脑动脉静脉形缺陷的自分区的几何和剂量测量评估,使用立体射线手术中的多模式成像
Xing Di1,2, Wenqian Xu1,2, Xiu Gong1,2
1Department of Neurosurgery, Huashan Hospital, Fudan University, Shanghai, China.
Frontiers in neuroscience
|November 17, 2025
概括
这项研究引入了一种高效的深度学习模型,用于在立体射线手术 (SRS) 期间对大脑动脉静脉形形 (bAVMs) 进行细分. 该方法准确地保护白质 (WM) 航道,改善治疗规划和患者的治疗结果.
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:
- 在脑动脉静脉形形 (bAVMs) 的立体射线手术 (SRS) 期间,优化白质 (WM) 管道的辐射剂量至关重要.
- 由于复杂的解剖结构,手动划定目标是低效的.
研究的目的:
- 开发一种高效的深度学习 (DL) 方法,用于自动bAVM细分.
- 改善SRS的临床工作流程,同时使用多式成像和基于扩散张力成像 (DTI) 的WM管道保护WM管道.
主要方法:
- 开发了一个双阶段的DL模型,结合了2D U-Net检测和3D自我注意细分.
- 该模型包含空间和通道注意模块,以提高参数效率和保真性.
- 模型性能在患者数据上使用几何和剂量测量终点进行了验证.
主要成果:
- 该DL模型实现了高细分精度 (DSC:0.84±0.05,灵敏度:0.92±0.09).
- 通过低豪斯多夫 (4.55±1.14毫米) 和平均表面距离 (0.53±0.08毫米) 确认了特殊的边界划分.
- 自动细分显示WM通道重叠最小 (0.08±0.13) 和强烈一致与手动轮在剂量计参数.
结论:
- 一种经过验证,可靠的自动化bAVM细分方法支持SRS规划.
- 这种方法有助于保护WM通道,可能防止SRS后的神经后续.
