基于超声引导切除的结肠肝转移灶自动分割
计算机视觉与模式识别
2025-11-10 v1 图像与视频处理
摘要
引言: 准确的内镜超声(iUS)下结肠肝转移灶(CRLM)的动态描绘对于实现负切除边缘至关重要,但由于低对比度、噪声和操作依赖性,在iUS中仍具挑战性。自动化分割可提高超声导航工作流程中的精度和效率。方法: 使用85例CRLM患者的85个跟踪3D iUS体积进行训练和评估,通过nnU-Net框架实现的3D U-Net。比较两种变体:一种在完整iUS体积上训练,另一种在肿瘤周围裁剪区域上训练。使用Dice相似系数(DSC)、孔德距离(Hausdorff Distance,HDist.)和相对体积差(RVD)对分割精度进行评估,分别在回顾性和前瞻性数据集上进行测试。该工作流程集成到3D Slicer中,以实现术内实时使用。结果: 裁剪体积模型在所有指标上均显著优于完整体积模型(AUC-ROC为0.898 vs 0.718)。它实现了中位DSC为0.74、召回率为0.79和HDist.为17.1 mm,与半自动分割相当,但执行速度约为4倍(~1分钟)。前瞻性术内测试确认了稳健且一致的性能,临床可接受的精度可用于实时手术指导。结论: 使用裁剪3D U-Net对iUS中CRLM的自动3D分割提供了可靠的接近实时的結果,最少的操作输入。该方法为肝脏手术提供了高效、无需配准的超声导航,接近专家水平的精度,大大减少了手动工作负荷和手术时间。
引用
@article{arxiv.2511.05253,
title = {Automatic segmentation of colorectal liver metastases for ultrasound-based navigated resection},
author = {Tiziano Natali and Karin A. Olthof and Niels F. M. Kok and Koert F. D. Kuhlmann and Theo J. M. Ruers and Matteo Fusaglia},
journal= {arXiv preprint arXiv:2511.05253},
year = {2025}
}