深度学习的虚拟上层介质动脉建模用于胰腺外科手术中的风险分层

科学领域:

• 医疗成像医学成像
• 手术解剖学手术解剖学
• 人工智能在医学中的应用

背景情况:

• 在胰腺外科手术中,上层介质动脉 (SMA) 的患者特异性解剖学至关重要.
• 深度学习模型提供SMA解剖学和分支模式的虚拟3D可视化.
• 关联SMA特征与患者结果对于手术成功至关重要.

研究的目的:

• 评估基于深度学习的虚拟SMA建模用于3D可视化.
• 为了将SMA的解剖特征与手术内和手术后的结果相关联.
• 为了提高胰腺外科手术的术前规划和手术内导航.

主要方法:

• 分析了124名接受胰腺切除的患者的CT扫描.
• 利用深度学习软件来分析SMA的轨迹,分支,口径和大动脉角度.
• 与胰腺相比,细分SMA成SMA1,SMA2和SMA3区域.
• 采用后勤和线性回归来将解剖测量与外科外科结果联系起来.

主要成果:

• 在患者群体之间观察到SMA测量的差异.
• 中等口径:SMA1 (7.05毫米),SMA2 (6.20毫米),SMA3 (5.69毫米).
• 平均分支:SMA2 (2.21) 和SMA3 (4.52) 的平均分支.
• 较少的SMA2分支与术后胰腺 (POPF) 和严重并发症 (Clavien-Dindo等级≥III) 相关.
• 在最小侵入性病例中,胰腺和SMA之间的距离增加与POPF有关.

结论:

• 基于深度学习的3D SMA重建准确评估胰腺-SMA关系.
• 确定了特定的SMA解剖特征,可以预测手术结果.
• SMA模型改进了手术前规划,手术内导航和结果预测.