人工智能驱动的儿童脑瘤三维细分,基于导航式手术内超声波

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 术内超声波 (iUS) 在儿童脑瘤手术中至关重要.
• 精确的瘤识别和局部化与iUS仍然具有挑战性.
• 自动细分提供了改进的图像分析,以获得一致性和可靠性.

研究的目的:

• 评估使用导航iUS的儿童脑瘤自动3D细分的可行性.
• 评估3D nnU-Net算法的性能,用于对儿科患者的大脑瘤进行细分.

主要方法:

• 从60名儿科患者获得的109个导航性内脏器官采集的回顾性分析.
• 在79个iUS采购上训练一个3DnnU-Net模型,使用专家验证的瘤细分.
• 在使用子相似系数 (DSC),平均表面距离和豪斯多夫距离对30个iUS收购进行模型评估.

主要成果:

• 该算法实现了高性能,满足基准标准,中位数DSC为0.89.
• 中位数平均表面距离为1.1毫米,中位数第95百分点豪斯多夫距离为5.6毫米.
• 异常值包括脑瘤和高等级质瘤,由于瘤边界不清楚,有过度细分和错误分类的情况.

结论:

• 使用导航性iUS对儿科大脑瘤进行自动细分是可行的,并且通常具有高性能.
• 进一步的开发将集中在剩余瘤组织的实时细分上.
• 自动细分瘤的3D可视化可以增强手术内导航和手术决策.