Prediction of Frozen Region Growth in Kidney Cryoablation Intervention Using a 3D Flow-Matching Model
作者: Siyeop Yoon, Yujin Oh, Matthew Tivnan, Sifan Song, Pengfei Jin, Sekeun KimHyun Jin Cho, Dufan Wu, Raul Uppot, Quanzheng Li
发布时间: 2025-03-10
来源: arxiv
研究方向: 医学图像分析、肾脏冷冻消融手术、3D流匹配模型
主要内容
本文提出了一种基于3D流匹配模型的肾脏冷冻消融术中冰球生长预测方法，通过结合术中CT成像和深度学习技术，实现对冰球生长的精确预测，为术中指导提供支持。
主要贡献
1. 开发了一种基于3D流匹配模型的冰球生长预测方法，提高了预测精度。
2. 利用术中CT成像数据，实现了对冰球生长的实时预测。
3. 通过对比实验，验证了该方法在冰球区域预测和分割方面的优越性。
4. 为肾脏冷冻消融手术的术中指导提供了新的技术手段。
研究方法
1. 3D流匹配模型：通过学习连续变形场，将早期CT图像映射到未来预测状态。
2. CT成像：术中CT成像用于获取冰球生长的实时信息。
3. 深度学习：利用深度学习技术，实现对冰球生长的预测。
4. 数据预处理：对CT图像进行预处理，包括空间重采样、刚性配准和分割等。
5. 模型训练：利用训练数据，对模型进行训练，优化模型参数。
实验结果
与基于扩散模型的预测方法相比，该方法的IoU和Dice系数分别提高了2%和2%，证明了其在冰球区域预测和分割方面的优越性。
未来工作
未来将研究如何将该方法应用于其他类型的肿瘤消融手术，并探索将生理变量和多任务学习引入模型，以提高预测精度。