PhysRFANet: Physics-Guided Neural Network for Real-Time Prediction of Thermal Effect During Radiofrequency Ablation Treatment

要約

高周波アブレーション (RFA) は、固形腫瘍をアブレーションするために広く使用されている低侵襲技術です。
正確に個別化された治療を達成するには、RFA 手順によって引き起こされるその場での熱効果に関するフィードバック情報が必要です。
コンピューター シミュレーションは、RFA に関連する電気現象と熱現象の予測を容易にしますが、臨床現場での実際の実装は、高い計算要求によって妨げられています。
この論文では、RFA 治療中の熱影響のリアルタイム予測を可能にする、PhysRFANet という物理ガイド付きニューラル ネットワーク モデルを提案します。
このネットワークは、温度分布とそれに対応する切除病変を予測するために設計されており、乳がん患者の磁気共鳴（MR）画像と並行して、静電気、生体熱伝達、細胞壊死を統合した生物物理学的計算モデルを使用してトレーニングされました。
計算モデルの検証は、生体外のウシ肝臓組織の実験を通じて行われました。
私たちのモデルは、予測された腫瘍画像でテストした場合、病変体積の予測において 96% の Dice スコアと温度分布の RMSE 0.4854 を実証しました。
注目すべき点は、予期せぬ画像であっても、アブレーション病変では 93% の Dice スコア、温度分布では 0.6783 の RMSE を達成したことです。
すべてのネットワークは 10 ミリ秒以内に結果を推論できました。
提示された技術は、特定の標的領域への電極の配置を最適化するために適用され、RFA 治療の安全性と有効性を高める上で大きな期待を持っています。

要約(オリジナル)

Radiofrequency ablation (RFA) is a widely used minimally invasive technique for ablating solid tumors. Achieving precise personalized treatment necessitates feedback information on in situ thermal effects induced by the RFA procedure. While computer simulation facilitates the prediction of electrical and thermal phenomena associated with RFA, its practical implementation in clinical settings is hindered by high computational demands. In this paper, we propose a physics-guided neural network model, named PhysRFANet, to enable real-time prediction of thermal effect during RFA treatment. The networks, designed for predicting temperature distribution and the corresponding ablation lesion, were trained using biophysical computational models that integrated electrostatics, bio-heat transfer, and cell necrosis, alongside magnetic resonance (MR) images of breast cancer patients. Validation of the computational model was performed through experiments on ex vivo bovine liver tissue. Our model demonstrated a 96% Dice score in predicting the lesion volume and an RMSE of 0.4854 for temperature distribution when tested with foreseen tumor images. Notably, even with unforeseen images, it achieved a 93% Dice score for the ablation lesion and an RMSE of 0.6783 for temperature distribution. All networks were capable of inferring results within 10 ms. The presented technique, applied to optimize the placement of the electrode for a specific target region, holds significant promise in enhancing the safety and efficacy of RFA treatments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google