基于深度学习的内窥镜手术解剖风险指标自动估计
计算机视觉与模式识别
2025-11-11 v1
摘要
内窥镜 sinus 手术需谨慎评估头颅基部解剖结构，以最小化脑脊液漏漏风险。解剖风险评分如 Keros、Gera 和泰国-马来西亚-新加坡评分提供了标准化方法，但需对冠状 CT 或 CBCT 扫描进行耗时的手动测量。我们提出了一个基于深度学习的自动化管道，通过热图回归定位关键解剖 landmarks 来估计这些风险评分。我们比较了直接方法与特殊的全局到局部学习策略，发现相关解剖测量的平均绝对误差为 Keros 为 0.506mm、Gera 为 4.516°，TMS 分类为 0.802mm / 0.777mm。
引用
@article{arxiv.2511.07199,
title = {Automated Estimation of Anatomical Risk Metrics for Endoscopic Sinus Surgery Using Deep Learning},
author = {Konrad Reuter and Lennart Thaysen and Bilkay Doruk and Sarah Latus and Brigitte Holst and Benjamin Becker and Dennis Eggert and Christian Betz and Anna-Sophie Hoffmann and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2511.07199},
year = {2025}
}
备注
Accepted to SPIE Medical Imaging conference 2026