从使用深度学习管道的低分辨率临床CT中自动化高保真3D重建中耳骨,使用深度学习管道
Jongyeon Yoon1, Jeongsan Kim2, Jongwoo Lim3
1Department of Mechanical Engineering, Sogang University, 35, Baekbeom-ro, Mapo-gu, Seoul, 04107, Republic of Korea.
Hearing research
|December 4, 2025
概括
本研究介绍了一种自动化的深度学习框架,用于从CT扫描中创建中耳骨的精确3D模型. 这种高效的系统显著改善了耳科手术和定制假肢设计的工作流程.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 中耳骨的精确3D建模对于耳外科手术和生物机械模拟至关重要.
- 目前用于3D骨重建的手工方法耗时且劳动密集.
- 低分辨率的临床CT图像往往对详细的骨重建构成挑战.
研究的目的:
- 验证一个自动化的深度学习框架,用于生成中耳骨的高保真度3D模型.
- 从低分辨率CT数据改进3D骨重建的速度和准确性.
- 建立一个基础,在耳科应用中推进精密医学.
主要方法:
- 一个三阶段的深度学习管道:感兴趣区域 (ROI) 检测 (YOLOv5x),超分辨率 (深度反向投影网络) 和切片插值 (2.5D U-Net) 使用新的提示通道.
- 通过提示通道整合解剖学先验,以增强从不完整或稀疏的CT数据的重建.
- 使用诸如平均平均精度 (mAP50),子系数和平均表面距离等指标进行验证.
主要成果:
- 该框架在ROI检测方面实现了高精度 (mAP50:0.9835) 和3D模型的解剖学准确性 (Dice:0.85,MSD:4.8μm).
- 暗示通道证明了从稀疏的数据中生成完整的骨结构的有效性,展示了强大的概括性.
- 自动化过程在不到5分钟内完成,比手工方法显著提高了工作流效率.
结论:
- 经过验证的框架为从临床CT扫描中生成患者特定的3D骨模型提供了快速,准确和强大的解决方案.
- 这项技术有望增强生物力学有限元模拟,并支持定制假肢设计.
- 这项研究代表了在耳部外科手术和相关领域的精准医学方面迈出的重要一步.
