|
在最近发表的“用于3D打印的精确先天性心脏病模型生成”中，研究人员探索了用于先天性心脏病（CHD）患者的诊断，治疗和计划的3D打印。冠心病通常在出生时出现并且很难分析，即使使用3D医学图像，尽管世界各地的科学家进行了许多不同的研究。研究人员指出，3D打印最近在临床环境中被“广泛采用”，提供以下改进：
临床决策
介入规划
医生和患者之间的沟通
改善医学教育
（上）CHD大结构变异的例子。在正常心脏解剖结构（a）中，PA与RV连接。然而，在肺闭锁（b）中，PA相当小并且与下降的Ao相连。在共同的动脉干（c）中，Ao连接到RV和LV，并且PA连接到Ao。（下图）我们的数据集中的肺闭锁和常见动脉干实例，与正常心脏解剖结构有很大差异。
在本研究的数据集中，结合深度学习和图形匹配整个心脏和CHD患者的大血管分割，患者的年龄从一个月到21岁，而大多数是从一个月到两岁。在16例中，该研究涵盖14种类型的冠心病，包括最常见的8种，即房间隔缺损（ASD），房室隔缺损（AVSD），动脉导管未闭（PDA），肺动脉狭窄（PS），室间隔缺损（VSD），共同作用（CA），法洛四联症（ToF）和大动脉转位（TGA）。 
提出的框架概述结合深度学习和图形匹配的整体心脏和大血管分割在冠心病，研究人员解释说，使用多模态全心脏分割方法已经进行了大量的研究，结合3D U-net进行分割和简单的卷积神经网络，发现了“最先进的性能”。标签位置预测。另一种技术涉及使用基本的简单卷积神经网络进行标签位置预测，而另一种技术涉及血池分割中的血池和心肌。
“考虑到冠心病的心脏结构和血管连接的显着变化，几乎所有现有的方法都无法有效地在冠心病中进行全心脏和大血管分割，”研究人员表示，他们使用深度学习和图形匹配来获得图形匹配的承诺，总体上收集了68张CT图像，骰子得分提高了11.9％。该框架包括：
兴趣区域种植
腔室和心肌分割
血池分割
腔室和心肌细化
图匹配
分割结果印在Sailner J501Pro上进行评估，这一过程使研究人员花了大约三到四个小时。研究人员评估3D打印模型是正确的，并且具有清晰的形状和连接，需要进行细微的改进，例如薄的冠状血管。
“我们还通过微小的手工改进打印出部分细分结果，并表明它可以应用于临床使用，”研究人员总结道。事实证明，3D打印模型不仅仅对医疗领域的许多不同领域有所帮助，特别是因为它们不仅可以为学生提供更多的教育，还可以为患者及其家人提供更多的帮助。术前阶段 - 以及实际操作过程中的手术计划模型。
（顶部）最先进的方法Seg-CNN [12]和我们的方法之间的可视化比较。红色圆圈突出了与基本事实的不同之处。（下图）使用我们的方法进行3D打印模型的示例以及一些小的细化。
|
