开发一个自动细分系统,用于大脸部重建中的前侧大腿孔器
Jisu Oh1, Sungwon Ham2, Jihye Heo3
1College of Medicine, University of Ulsan, Seoul, Republic of Korea.
PloS one
|February 23, 2026
概括
这项研究引入了一个使用深度学习的AI模型,在CT血管学扫描中自动识别前大腿 (ALT) 孔器. 人工智能系统显示出有希望的准确性,有可能提高手术规划效率和重建手术的精度.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 重建性手术是一种重建性手术.
- 血管解剖学 血管解剖学
背景情况:
- 前大腿 (ALT) 板在重建性手术中至关重要,特别是在大重建中.
- 精确识别ALT穿孔器对于手术成功至关重要,但传统上是手动的,耗时的和可变的.
- 卷积神经网络 (CNN) 为自动化医疗图像细分提供了潜力,但对于穿孔器等小型可变结构存在挑战.
研究的目的:
- 开发和验证基于CNN的自动细分模型,用于检测计算机断层扫描血管学 (CTA) 上的ALT孔器.
- 为了应对ALT穿孔器细分的小型穿孔器尺寸和解剖学变异性的挑战.
- 为了提高重建性外科手术手术规划的效率和精度.
主要方法:
- 在CTA上开发基于CNN的自动细分模型,用于ALT孔穿孔器检测.
- 采用了两阶段的级联方法:使用DeepLabv2进行2D检测,使用ResNet152.2进行3D细分.
- 80名患者的手册注释作为基本真相;数据增强用于概括.
主要成果:
- 自动细分系统实现了子相似系数 (DSC) 的69.67%±1.48%和雅卡德相似系数 (JSC) 的67.81%±1.70%.
- 手动检测和自动检测之间的距离差异为38.28 mm ± 15.52 mm (左) 和31.96 mm ± 18.11 mm (右).
- 该系统在识别穿孔器位置方面表现出有希望的准确性.
结论:
- 为ALT穿孔器开发的自动细分系统显示了临床应用的巨大潜力.
- 这种人工智能驱动的方法可以提高手术规划的效率和精度,特别是在口面部重建方面.
- 通过CTA可靠地识别穿孔器位置,提高了重建性手术的结果.
