面向前列腺精准穿刺:健康学院郭旭东团队提出UTMorph多模态医学图像配准新模型
16.00Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE近日,上海理工大学健康学院郭旭东教授团队在人工智能医学影像领域顶级期刊《医学影像分析》(Medical Image Analysis)上发表了题为《UTMorph:一种用于活检穿刺中弱监督多模态图像配准的混合CNN-Transformer网络》的创新研究成果。该期刊影响因子为11.8,是JCR Q1区的中科院一区顶刊。健康学院郭旭东教授与硕士生陈沛羽为论文共同第一作者,上海理工大学为第一单位。前列腺癌是全球男性最常见的恶性肿瘤之一,穿刺活检是确诊的“金标准”。目前,将术前磁共振(MRI)与术中超声(TRUS)融合导航是临床主流方案。然而,现有的临床工作流常面临技术瓶颈:传统的刚性配准无法补偿软组织形变;而主流的非刚性配准方法往往计算耗时且难以精准捕捉局部的复杂形变。这些局限性导致术中肿瘤边界模糊、定位偏差,增加了临床漏诊的风险。针对这一临床痛点,研究团队联合上海市东方医院,提出了一种名为“UTMorph”的创新深度学习框架。该模型巧妙结合了卷积神经网络(CNN)提取局部特征的能力与Tra