Gli scienziati utilizzano modelli stampati in 3D per ulteriori studi sulle malattie cardiache congenite
Nella recente ” Accurata generazione di modelli di malattie cardiache congenite per la stampa 3D “, i ricercatori esplorano la stampa 3D per la diagnosi, il trattamento e la pianificazione nei pazienti con malattia cardiaca congenita (CHD). Il CHD di solito si presenta alla nascita e può essere difficile da analizzare, anche con immagini mediche 3D, e nonostante molti studi diversi condotti da scienziati di tutto il mondo. I ricercatori osservano che la stampa 3D è stata recentemente “ampiamente adottata” in ambito clinico, offrendo miglioramenti nei seguenti:
Decisioni cliniche
Pianificazione interventistica
Comunicazione tra medici e pazienti
Migliorare l’educazione medica
Nel set di dati di questa ricerca, che combina l’apprendimento profondo e la corrispondenza grafica per tutto il cuore e la grande segmentazione dei vasi nel CHD, i pazienti avevano un’età compresa tra un mese e 21 anni, mentre la maggior parte aveva tra un mese e due anni. Su 16 casi, lo studio copre 14 tipi di CHD per includere gli 8 più comuni, che sono difetto del setto atriale (ASD), difetto del setto atrio-ventricolare (AVSD), dotto arterioso pervio (PDA), stenosi polmonare (PS), difetto del setto ventricolare (VSD), coartazione (CA), Tetrologia di Fallot (ToF) e trasposizione di grandi arterie (TGA).
I ricercatori spiegano che c’è già stata una quantità prolifica di ricerca usando il metodo di segmentazione del cuore intero multimodale, con “prestazioni all’avanguardia” che si trovano nella combinazione di una U-net 3D per la segmentazione e una semplice rete neurale convoluzionale per previsione della posizione dell’etichetta. Un’altra tecnica prevede l’utilizzo della semplice rete neurale convoluzionale per la previsione della posizione dell’etichetta, mentre un’altra gestisce il pool di sangue e il miocardio nella segmentazione dei pool di sangue.
“Considerando le variazioni significative nelle strutture cardiache e le grandi connessioni dei vasi nel CHD, quasi tutti i metodi esistenti non sono in grado di eseguire efficacemente l’intera segmentazione del cuore e dei vasi nel CHD”, affermano i ricercatori.
Motivati invece dalla promessa della corrispondenza dei grafici, hanno usato l’apprendimento profondo e la corrispondenza dei grafici, raccogliendo 68 immagini CT in totale, con un punteggio dei dadi dell’11,9% più alto. Il framework consisteva in:
Ritaglio della regione di interesse
Segmentazione di camere e miocardio
Segmentazione del pool sanguigno
Raffinamento di camere e miocardio
Corrispondenza del grafico
I risultati della segmentazione sono stati stampati su un Sailner J501Pro per la valutazione, un processo che ha richiesto ai ricercatori circa 3-4 ore. I ricercatori hanno valutato il modello stampato in 3D come corretto e con una forma e connessioni chiare, con piccoli perfezionamenti necessari come sottili vasi coronarici.
“Abbiamo anche stampato parte dei risultati della segmentazione con un piccolo perfezionamento manuale e dimostrato che può essere applicato all’uso in clinica”, hanno concluso i ricercatori.
I modelli stampati in 3D hanno dimostrato di essere più che utili solo in molte diverse aree del regno medico, soprattutto perché sono in grado di offrire così tanto in termini di istruzione non solo per gli studenti ma anche per i pazienti e le loro famiglie, oltre ad aiutare a le fasi preoperatorie e anche durante l’operazione effettiva con i modelli di pianificazione chirurgica .
Panoramica del quadro proposto che combina l’apprendimento profondo e la corrispondenza dei grafici per tutto il cuore e la grande segmentazione dei vasi nel CHD. (Inizio) Esempi di grandi variazioni di struttura nel CHD. Nell’anatomia cardiaca normale (a), la PA è connessa al camper. Tuttavia, nell’atresia polmonare (b), la PA è piuttosto piccola e collegata alla discendente Ao. Nel comune tronco arterioso (c), Ao è collegato sia a RV che a LV e PA è collegato ad Ao. (In basso) Atresia polmonare ed esempi comuni di tronco arterioso nel nostro set di dati, con grandi variazioni rispetto alla normale anatomia del cuore. 
(Inizio) Confronto visualizzato tra il metodo all’avanguardia Seg-CNN [12] e il nostro metodo. Le differenze dalla verità fondamentale sono evidenziate dai cerchi rossi. (In basso) Esempi di modelli di stampa 3D che utilizzano il nostro metodo con alcuni piccoli perfezionamenti manuali.