Real-Time Brain Tumor Detection in Intraoperative Ultrasound Using YOLO11: From Model Training to Deployment in the Operating Room

要約

術中超音波（IOU）は、その汎用性、手頃な価格、および外科的ワークフローへのシームレスな統合により、脳腫瘍手術の貴重なツールです。
ただし、主に画像の解釈に関連する課題と効果的な使用に必要な急な学習曲線のために、その採用は限られたままです。
この研究は、手術室に展開可能なリアルタイムの脳腫瘍検出システムを開発することにより、Ious画像の解釈可能性を高めることを目的としています。
脳腫瘍内術中データベース（Bratious）から2D Ious画像を収集し、一般の人々は、専門家が施した腫瘍ラベルが注釈を付けられたデータセットを思い出させました。
Yolo11アーキテクチャとそのバリエーションを使用して、脳腫瘍を特定するためにオブジェクト検出モデルを訓練しました。
データセットには、トレーニング、検証、およびテストセットに分割された192人の患者からの1,732枚の画像が含まれていました。
データ増強により、トレーニングセットが11,570枚の画像に拡張されました。
テストデータセットでは、Yolo11sは精度と計算効率の最高のバランスを達成しました。
提案されたソリューションは、脳腫瘍と診断された15の連続した手術患者のコホートで前向きに検証されました。
脳神経外科医は、腫瘍領域を正確に描写するリアルタイムの予測で、外科的ワークフローへのシームレスな統合を確認しました。
これらの発見は、Ious誘導性脳腫瘍手術を強化するリアルタイムオブジェクト検出アルゴリズムの可能性を強調し、解釈における重要な課題に対処し、神経腫瘍手術のためのコンピュータービジョンベースのツールの将来の開発の基礎を提供します。

要約(オリジナル)

Intraoperative ultrasound (ioUS) is a valuable tool in brain tumor surgery due to its versatility, affordability, and seamless integration into the surgical workflow. However, its adoption remains limited, primarily because of the challenges associated with image interpretation and the steep learning curve required for effective use. This study aimed to enhance the interpretability of ioUS images by developing a real-time brain tumor detection system deployable in the operating room. We collected 2D ioUS images from the Brain Tumor Intraoperative Database (BraTioUS) and the public ReMIND dataset, annotated with expert-refined tumor labels. Using the YOLO11 architecture and its variants, we trained object detection models to identify brain tumors. The dataset included 1,732 images from 192 patients, divided into training, validation, and test sets. Data augmentation expanded the training set to 11,570 images. In the test dataset, YOLO11s achieved the best balance of precision and computational efficiency, with a mAP@50 of 0.95, mAP@50-95 of 0.65, and a processing speed of 34.16 frames per second. The proposed solution was prospectively validated in a cohort of 15 consecutively operated patients diagnosed with brain tumors. Neurosurgeons confirmed its seamless integration into the surgical workflow, with real-time predictions accurately delineating tumor regions. These findings highlight the potential of real-time object detection algorithms to enhance ioUS-guided brain tumor surgery, addressing key challenges in interpretation and providing a foundation for future development of computer vision-based tools for neuro-oncological surgery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google