2013年12月04日
星期三
近日，中国科学院合肥物质院健康所李海研究员团队在肺部呼吸运动预测研究中取得重要进展。相关研究成果发表在医学影像分析领域专业期刊Computerized Medical Imaging and Graphics上。
精确的呼吸运动追踪是肺部疾病治疗所面临的一大挑战。尤其是在CT图像引导的经皮肺穿刺活检中，呼吸运动引起的肺结节或肺肿瘤移位会显著增加介入手术的难度，甚至导致手术失败。目前，研究人员会采用呼吸运动建模的方法来提高呼吸运动的追踪精度，从而减小手术难度和风险。其中，基于群体的呼吸运动建模方法通过提取群体数据中的共性特征来实时预测肺部运动，但忽略了个体差异，精度有限；而个体特异性的呼吸运动建模方法则需要对患者进行四维CT（4D CT）扫描，增加了辐射风险。
为了克服这些困难，研究团队提出了一种创新的群体特征加权稀疏（PCWS）呼吸运动补偿模型。通过有效融合群体运动特征与个体患者运动特征，该模型能够在无需4D CT扫描的情况下，实现肺部呼吸运动的精确预测和追踪。基于多中心数据集的验证结果表明，PCWS模型的平均估计误差为0.20±0.15mm，显著优于现有方法。
李海研究员团队一直致力于多模图像引导的手术导航系统研究，并取得了一系列成果（Pattern Recognition,2019；International Journal of Computer Assisted Radiology and Surgery (IJCARS),2022）。该技术对提高图像引导的肺癌介入手术精度具有重要价值，同时也适用于肺癌精确放疗时的呼吸运动管理等领域。
该论文的第一作者为中国科学院合肥肿瘤医院夏国仁医生，通讯作者是李海研究员、美国休斯敦卫理公会医院Stephen T.C. Wong教授和王腾飞博士。本研究得到了国家重点研发计划、国家自然科学基金和安徽省重点研发项目的支持。
文章链接：https://doi.org/10.1016/j.compmedimag.2025.102557
群体特征加权稀疏（PCWS）呼吸运动补偿模型流程图
新闻链接：http://www.hf.cas.cn/kxyj/kyjz/202505/t20250528_7792342.html
版权所有：安徽省光学学会（社证字第 0156号）
地址：安徽省合肥市蜀山湖路350号中科院安徽光机所一号楼
EMAIL：ahos@aiofm.ac.cn
