项目名称: 基于体积测量和功能状态的精准肝切除手术风险量化方法研究

项目编号: No.U1504605

项目类型: 联合基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 宋晓

作者单位: 南阳师范学院

项目金额: 27万元

中文摘要: 术前风险量化分析是确保肝切除手术成功的关键,而肝脏体积测量和储备功能状态评估是精准肝切除手术风险分析的重要因素。本项目拟由肝脏CT图像的灰度特性和结构特性出发,提出一种自适应Fast Marching(FM)方法进行病变及剧烈形变肝脏的轮廓提取,进而估算肝脏和病变组织的体积信息,并借助虚拟手术切除技术,测算拟切除肝脏的体积信息;研究Child分级和吲哚菁绿(ICG)肝脏储备功能测定结果与肝切除量之间的关系,构建肝脏储备功能的综合评估模型;最后,结合肝脏体积测量信息和肝脏储备功能综合评估,构建精准肝切除手术风险量化模型。项目的研究成果,将对精准肝切除技术的发展具有重要推动作用,同时对肝脏外科的解剖教学、科研及临床手术治疗水平提高具有重要的科学意义和应用价值。

中文关键词: 虚拟手术;风险评估

英文摘要: Preoperative risk analysis is the key to ensure the success of liver surgery. The volume measurement and the comprehensive assessment of liver reserve function are important factors in accurate risk analysis of hepatic surgery. According to the intensity and structural feature of liver on CT images, the project is planned to propose an adaptive Fast Marching (FM) method for the contour extraction of the lesions and the severe deformation of liver, which can be used to obtain accurate volume information of liver and lesion. And we use the virtual surgical technology to access the volume information of liver resection. Then, we study on the relationship between Child grade, indocyanine green (ICG) and the volume of liver resection, building a comprehensive evaluation model of the liver reserve function. Finally, combining with the liver volume measurement information and the comprehensive assessment of liver reserve function, we build a risk quantification model for precision liver resection surgery. The research results of this project will motivate the development of precision liver resection technology. And it also has important scientific significance and application value on liver surgical teaching, research and improvement of clinical surgery level.

英文关键词: virtual surgery;risk assessment

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
47+阅读 · 2021年8月28日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
11+阅读 · 2021年5月25日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
27+阅读 · 2021年1月29日
多模态情绪识别研究综述
专知会员服务
166+阅读 · 2020年12月21日
深度学习目标检测方法综述
专知会员服务
274+阅读 · 2020年8月1日
中国医学影像人工智能20年回顾和展望
专知
4+阅读 · 2022年1月22日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月16日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Image Segmentation Using Deep Learning: A Survey
Arxiv
45+阅读 · 2020年1月15日
小贴士
相关主题
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
47+阅读 · 2021年8月28日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
11+阅读 · 2021年5月25日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
27+阅读 · 2021年1月29日
多模态情绪识别研究综述
专知会员服务
166+阅读 · 2020年12月21日
深度学习目标检测方法综述
专知会员服务
274+阅读 · 2020年8月1日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员