Fusing ultralyd og magnetisk resonansavbildning for å intelligent planlegge svært konform ablasjon termisk felt for hepatocellulært karsinom

Termisk ablasjon er en viktig minimalt invasiv behandling for hepatocellulært karsinom (HCC), men lokal tumorprogresjon (LTP) etter ablasjon begrenser effektiviteten og statusen til ablasjonsteknologi og truer pasientens overlevelse alvorlig. Utilstrekkelig dekning av termisk felt er en viktig faktor på forekomsten av LTP. Nåværende termisk feltplanlegging er avhengig av tumorkonturer og legeopplevelse, og sikkerhetsmarginen er jevn. Derfor kan det ikke takle problemet med utilstrekkelig dekning av termisk felt forårsaket av de forskjellige invasjonsevnen til forskjellige svulster og forskjellige deler av samme svulst. Dette prosjektet har til hensikt å integrere å analysere ultralyd, kontrastforbedret ultralyd, magnetisk resonansavbildning og klinisk informasjon om HCC gjennom dyp kanonisk korrelasjonsanalyse; Oppsummer forkunnskapene om LTP -risikofaktorer i tidligere studier og utføre conjoint -analyse individuelle saksdata og vanlige konklusjoner gjennom kunnskapsgraf; Tolkelig forutsi LTP-risikoen og høyrisiko LTP-lokasjoner gjennom lenkeprediksjon; Forutsi nøyaktig sikkerhetsmarginen for ablasjon som kreves for forskjellige tumordeler gjennom graf nevrale nettverk, og oppnå svært konform termisk feltplanlegging basert på forskjellige invasjonsevner for å minimere LTP -risikoen for HCC. Prosjektet utnytter tumor multimodal avbildning og forkunnskaper som inngangspunkt, utfører meget konform planlegging av ablasjonens termiske felt gjennom kunstig intelligensteknologi, og gir en ny metode for presis ablasjon.