基于术中超声的脑肿瘤分割技术及边界叠加可视化功能，用于辅助手术操作

《International Journal of Computer Assisted Radiology and Surgery》：Intraoperative ultrasound-based brain tumor segmentation with boundary-overlay visualization for surgical assistance

　　

摘要

目的

在神经外科肿瘤切除过程中，脑组织的位置变化会降低术前基于图像的导航系统的准确性，从而增加对实时术中图像分析的需求。术中超声能够提供实用的术中解剖信息，但由于斑点噪声、对比度低以及肿瘤形态不清晰等问题，其图像仍难以准确解读。本研究旨在开发一种基于术中超声的脑肿瘤分割框架，并通过边界叠加可视化技术为手术提供辅助。

方法

我们提出了一种基于多尺度注意力的肿瘤分割框架。首先通过3D卷积结构提取体积超声特征，然后在这些特征上按不同尺度进行层次化聚合。接着通过级联注意力机制优化与肿瘤相关的特征，再通过多尺度上下文聚合提升模型对肿瘤大小和形态变化的适应性。最终将预测得到的肿瘤掩模转换为边界叠加图像，以便于直观地展示术中超声结果。该方法在公开的RESECT数据集上进行了测试，并通过两个外部临床病例进行了验证。此外还通过分割辅助解读评估，考察算法生成的叠加图像是否有助于提高初级神经外科医生标注结果的准确性。

结果

在RESECT数据集上，所提出的框架的分割性能与现有的体积超声基准方法相当，同时具备更强的肿瘤区域检测能力。通过精确度、特异性以及表面距离等指标，可以更好地理解该框架在提升检测灵敏度的同时所带来的假阳性问题以及与实际肿瘤表面的匹配程度。消融实验进一步证明了级联注意力机制和多尺度上下文聚合机制的重要性。在解读评估中，没有使用算法辅助时，初级医生与资深医生的标注一致性仅为76.56% DSC，而在使用算法生成的叠加图像后，这一数值提升到了90.60% DSC。

结论

所提出的基于术中超声的肿瘤分割框架可通过分割结果生成的边界叠加图像来辅助术中诊断。研究结果表明该框架具有作为计算机辅助术中解读工具的潜力，不过仍需在更大的多中心数据集、更多评估者以及不同的术中时间点上进行进一步验证。