Automatic implant shape design for minimally invasive repair of pectus excavatum using deep learning and shape registration.

Zhang, Runshi; Wang, Junchen; Chen, Chenghao

Zhang, Runshi; Wang, Junchen; Chen, Chenghao.

Afiliação

Zhang R; School of Mechanical Engineering and Automation, Beihang University, 37 Xueyuan Road, Haidian District, 10191, Beijing, China.
Wang J; School of Mechanical Engineering and Automation, Beihang University, 37 Xueyuan Road, Haidian District, 10191, Beijing, China. Electronic address: wangjunchen@buaa.edu.cn.
Chen C; Department of Thoracic Surgery, Beijing Children's Hospital, Capital Medical University, National Center for Children's Health, 56 Nanlishi Road, Xicheng District, 100045, Beijing, China. Electronic address: chenchenghao@bch.com.cn.

Comput Biol Med ; 158: 106806, 2023 05.

Article em En | MEDLINE | ID: mdl-37019009

Assuntos

Aprendizado Profundo; Tórax em Funil; Cirurgiões; Criança; Humanos; Tórax em Funil/diagnóstico por imagem; Tórax em Funil/cirurgia; Esterno/cirurgia; Próteses e Implantes; Procedimentos Cirúrgicos Minimamente Invasivos; Estudos Retrospectivos

Palavras-chave

Instance segmentation; Object detection; Pectus excavatum; Shape registration; Surgical planning

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Cirurgiões / Aprendizado Profundo / Tórax em Funil Tipo de estudo: Guideline / Observational_studies Limite: Child / Humans Idioma: En Revista: Comput Biol Med Ano de publicação: 2023 Tipo de documento: Article País de afiliação: China

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google