基于深度学习的乳腺保守手术中运动组织边缘评估

切除边缘为任何恶性肿瘤的乳腺保守手术后切除术留置术后，增加局部复发风险。为了减少正边缘的数量，为外科手术提供实时的运动中关于正切除边缘存在的实时信息。本研究旨在使用乳腺保守手术中的标本乳房摄影，设计一种运动组织边缘评估方案。评估了30个案例，并与经验丰富的医生和病理报告中手动确定的轮廓进行比较。该方法利用图像阈值处理提取感兴趣区域，然后执行深度学习模型，即SegNet，对肿瘤组织进行分割。评估围绕肿瘤的正常组织边缘宽度作为结果。将肿瘤周围所需的边缘大小设置为10 mm。与手动描绘的边缘之间的最小平均差异为6.53 mm ± 5.84 mm。在所有案例中，都利用SegNet架构获取组织标本边界和肿瘤轮廓。仿真结果表明，该技术在手术中的正负边缘鉴别方面有帮助。该方案的目标是潜在的手术测量系统中的一个程序。实验结果揭示，深度学习技术可以获得与病理报告一致的结果。