通过深度学习进行基于超声波的内外手术位移映射
Shrinit Babel1,2, Vratko Himic3, Daniel M Aaronson3,4
1Morsani College of Medicine, University of South Florida, Tampa, Florida, USA.
Operative neurosurgery (Hagerstown, Md.)
|February 18, 2026
概括
这项研究引入了一个深度学习框架,使用手术内超声波 (iUS) 扫描来预测大脑转移,从而实现实时手术导航调整,而无需依赖MRI. 人工智能模型准确地估计了大脑变形,提高了外科手术的精度.
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:
- 手术期间的大脑转移会影响导航的准确性.
- 目前的方法依赖于手术内MRI,限制了实时应用.
- 术内超声波 (iUS) 提供了一个低成本的实时替代方案.
研究的目的:
- 开发一个深度学习框架,从iUS扫描中预测voxel-wise大脑变形.
- 为了实现局部的大脑转移补偿,没有手术前的MRI.
- 为了提高神经外科手术中的手术内适应能力.
主要方法:
- 训练了两个3D神经网络架构和13名患者的iUS数据集.
- 使用配对的切割前和切割后3DiUS扫描与里程碑注释.
- 使用回归指标和离开一个患者的交叉验证来评估绩效.
主要成果:
- 整体模型平衡了根中位数平方误差和定向精度.
- 梯度加权类激活映射确定了关键的变形区域.
- 大多数患者的绝对误差均值低于2mm,不典型解剖学存在挑战.
结论:
- 使用深度学习直接从iUS到iUS扫描估计大脑转移的可行性.
- 该方法为增强的外科导航提供了密集的实时变形场.
- 未来的工作需要更大,更多样化的数据集和多任务学习,以提高准确性.
