当前位置:主页 > 医学期刊 > 正文
神经外科精准诊疗研究
时间:2018-12-10 09:48 来源:未知 浏览量
神经外科精准诊疗研究


过去几十年中,医学影像领域取得了快速的发展。从模拟X线机到数字化X线机,从水洗胶片到干式胶片,从平面影像到三维影像,数字化医学影像的发展推动着医疗水平不断进步。随着计算机技术和人工智能技术的崛起,为了满足愈加复杂的医学图像分析和处理要求,医学影像智能化分析方法应运而生,并成为近年来医学图像处理技术发展的热点。
 
 
 
由于脑部结构复杂、功能区域密集,对神经外科手术操作的精准性要求很高。然而,在20世纪60年代以前,由于诊疗技术和手段的落后,神经外科精准诊疗一直没有得到发展。随着医学影像技术的不断进步,CT、MRI、PET等在临床中的应用使神经外科精准治疗变成了可能。
 
 
 
神经外科临床诊断与治疗过程中目前存在的难点为:(1)术前诊断阶段主要依靠医生经验,主观性较大,容易导致漏诊、误诊等;(2)神经外科手术主要依靠术前单一模态影像,术中脑组织形变造成病变组织和正常脑组织定位不精准,可能导致手术操作不精准;(3)缺乏术中精确动态的引导方法,导致致残率居高不下;(4)术前诊断和术中治疗分离,很大程度上没有实现神经外科精准诊疗的效果。随着医学影像、数字化诊疗、人工智能等技术的发展,越来越多的研究者正在竭力解决以上难题,使得医学诊断与治疗方式更加多样化、定量化,诊疗结合更加紧密。本文将对神经外科精准诊疗的研究现状与关键技术进行分析,阐述深度学习技术、多模态融合技术与影像引导技术在神经外科精准诊疗中的应用和重要意义,并对神经外科精准诊疗的发展与挑战展开讨论。
 
 
 
1.深度学习在神经外科精准诊疗中的应用
 
 
 
神经外科精准诊疗越来越趋于智能化。利用人工智能技术开发的医学专家系统能够弥补医生诊断的主观性和局限性问题,为神经外科临床诊疗提供更加客观与综合的决策辅助。近年来,深度学习技术凭借着自然图像分析处理领域取得的突出成绩强势崛起,成为了目前最热门的研究领域。与此同时,越来越多医学图像领域的研究人员也将深度学习技术应用到医学图像分析中,不仅改进和结合了传统图像处理方法,同时也为影像诊断提供了更高质量的辅助信息,为神经外科精准诊疗的实现提供了更加智能化的影像分析结果,具有较好的发展前景。
 
 
 
1.1脑组织与病变组织结构自动化分割
 
 
 
脑组织与病变组织结构自动化分割是脑结构和功能图像分析中的一项重要任务。传统脑结构组织分割一般是采用图谱法。基于图谱方法的分割依赖于高精度的配准,耗时长,且主要针对正常脑组织,对于带有肿瘤造成组织变形的脑组织效果较差。Moeskops等提出了一种基于卷积神经网络(convolutional neural network,CNN)的MRI图像脑组织自动化分割方法,该方法利用多尺寸的图像块和多种尺寸卷积核来获取多尺度体素信息,并在40周婴儿、成年人和老年人的脑组织图像上进行了测试,取得了相似性系数分别为0.82、0.91和0.86的较好结果,证明了算法的准确性和鲁棒性。
 
 
 
Kamnitsas等提出一个双路径、11层的用于分割脑部疾病组织的3D卷积神经网络,将并联的图像块合并可降低计算3D脑图像的计算复杂度、消除数据中的类内不平衡。该方法用一个双路径结构在多尺度上并行处理输入图像,利用了局部和全局的结构内容信息。此外,还利用3D全连接条件随机场消除错误位置,获取更精细的分割结果。该方法分别在脑外伤、肿瘤和缺血性中风的数据集上进行了测试,相似性系数分别为0.64、0.89和0.66,表现出强有力的效果。
 
 
 
基于CNN的深度学习用于脑病变分割的研究近几年比较多,主要得益于MICCAI(Medical Image Computing and Computer Assisted Intervention)和ISBI(the IEEE International Symposiumon Biomedical Imaging)的脑胶质瘤分割挑战赛的推动作用。Brosch等提出了一个3DCNN网络,并基于MICCAI2008和ISBI2015挑战赛数据库进行了算法测试,与报道的很多算法进行了比较,证实了该算法优于其他算法。此外,还有一些其他的CNN方法应用于脑病变分割。上述研究提出的方法都是有监督深度学习方法,由于深度学习依赖于大量标记数据,而对医学数据进行标记对医生的要求较高且耗时,之前的数据很多没有进行标记导致很多未标记的数据不能使用,没能合理充分地利用数据资源。因此,目前也有一些研究者开始研究半监督深度学习方法,并将其应用于脑组织分割领域中。

中国医护服务网 比美特医护在线(北京)科技有限公司 版权所有? 京ICP备09056041号-1 地址:北京市丰台区城南嘉园益城园16号楼2-1117室;邮编:100068 删稿联系QQ:1700055555