在无跟踪器脑超声波中对特定患者进行实时细分

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) 提供了改善脑外科手术结果的潜力.
• 对神经外科医生来说,解释iUS是一个挑战.
• 精确的脑瘤细分对于手术规划和执行至关重要.

研究的目的:

• 开发第一个针对患者的框架,用于无追踪器的手术内超声波脑瘤细分.
• 实时调整iUS解释以适应神经外科的目标.
• 为了提高手术期间脑瘤细分的准确性和可靠性.

主要方法:

• 一个特定于患者的实时网络被设计用于在无追踪器iUS.US中进行脑瘤细分.
• 合成超声波数据是通过模拟手术前MRI的虚拟iUS扫描采集生成的.
• 该网络使用这些合成数据进行了培训,以明确iUS并适应外科目标.

主要成果:

• 拟议的框架在使用真实手术内超声数据对脑瘤进行细分方面表现出有效性.
• 这种方法成功地适应了外科医生对手术目标的定义.
• 针对患者的模型表现优于非针对患者的模型,专家神经外科医生和高端追踪系统.

结论:

• 开发的患者特定框架显著增强了无追踪器iUS.US.中的脑瘤细分.
• 这项技术有可能改善手术导航和神经外科手术的结果.
• 该框架提供了一个可适应和高性能解决方案,用于实时手术指导.