基于U型卷积神经网络学习的前列腺癌影像重建模型在手术导航中的应用

• Published in: 北京大学学报（医学版） Vol. 51; no. 3; pp. 596 - 601
• Main Authors: 颜野, 夏海缀, 李旭升, 何为, 朱学华, 张智荧, 肖春雷, 刘余庆, 黄华, 何良华, 卢剑
• Format: Journal Article
• Language: Chinese
• Published: 北京大学第三医院泌尿外科,北京,100191%同济大学电子与信息工程学院,上海,400047%北京大学第三医院放射科,北京,100191%北京理工大学计算机学院,北京,100081 2019
• Subjects: 卷积神经网络; 外科手术,计算机辅助; 前列腺肿瘤; 成像,三维
• ISSN: 1671-167X
• DOI: 10.19723/j.issn.1671-167X.2019.03.033

R737.25; 目的:探讨基于U型卷积神经网络(U-shaped convolutional neural network,U-net)建立的前列腺磁共振图像自动化分割和重建3D模型对腹腔镜前列腺癌根治术进行术中认知导航的效果.方法:应用含有人工注释的共5 000张前列腺癌磁共振影像训练集,训练U-net,构建了一套以临床需求为导向,稳定高效的全卷积神经网络算法模型,对前列腺磁共振图像进行区域化、多结构和精细自动化分割,并将分割数据使用医学影像处理交互平台(Medical Image Interaction Tool Kit,MITK)自动重建,以STL格式输出建模信息,应用平板电脑在术中展示前列腺模型,进行认知导航.结果:基于201例前列腺癌患者的磁共振图像训练样本,在经典U-net基础上通过适应性改良,建立了一套结构简单、性能优秀的U-net,可以实现对前列腺、肿瘤、精囊腺、直肠等重要结构的单独分割,并进行三维可视化,直观地显示手术关键部位的结构关系和肿瘤侵犯程度.术中通过平板电脑同步展示3D模型,成功进行认知导航.结论:通过改良的U-net可以自动化完成前列腺磁共振图像的结构化分割,通过重建局部解剖部位的3D模型用于术中认知融合导航,可以达到肿瘤可视化、降低手术切缘阳性率、提高手术效果的作用.