基于Mamba的弱监督乳突切除术形状预测：用于人工耳蜗手术的3D T分布损失方法
计算机视觉与模式识别
2025-05-27 v1
摘要
人工耳蜗手术是治疗重度听力损失的方法。该手术涉及将电极阵列植入耳蜗，通过电刺激听神经来恢复听觉感知。该手术的关键步骤之一是乳突切除术，即切除颞骨乳突区域的一部分，为电极植入耳蜗提供关键通路。从术前影像中准确预测乳突切除术区域有助于术前规划、降低手术风险并改善手术结果。在先前工作中，一种自监督网络被引入用于仅利用术前CT扫描预测乳突切除术区域。虽然前景可期，但该方法存在次优鲁棒性，限制了其实际应用。为解决这一局限，我们提出了一种新颖的弱监督Mamba框架，可直接从术前CT扫描中准确预测乳突切除术区域。我们的方法采用一种受学生t分布启发的3D T分布损失函数，能有效处理乳突切除术形状固有的复杂几何变异性。弱监督通过利用先前自监督网络的分割结果来实现，无需在整个训练过程中进行手动数据清洗或标注。所提方法与先进方法进行了广泛评估，在预测准确且临床相关的乳突切除术区域方面表现出优越性能。我们的发现凸显了所提出的新型3D T分布损失下弱监督学习框架的鲁棒性和效率。
引用
@article{arxiv.2505.18368,
title = {Weakly-supervised Mamba-Based Mastoidectomy Shape Prediction for Cochlear Implant Surgery Using 3D T-Distribution Loss},
author = {Yike Zhang and Jack H. Noble},
journal= {arXiv preprint arXiv:2505.18368},
year = {2025}
}