基于混合現實與人工智能算法在股前外穿支血管定位中的前瞻性研究

[摘要]目的 構建混合現實技術與人工智能算法的系統，評估其在股前外穿支皮瓣手術中定位血管的效果，為臨床實踐提供新的思路。方法 選取20例行股前外穿支皮瓣修復的患者，在下肢黏貼定位裝置后行CT血管造影（CTA）掃描，將所得二維數據制成定位裝置與血管等的三維模型，并通過混合現實技術實現穿支血管三維可視化。在HoloLens 2中開發人工算法，術中使用人工智能算法自動匹配定位裝置與其三維模型以實現穿支血管與其三維模型的重疊。記錄制取皮瓣區域內定位的穿支血管數量及術中探查的實際數量，以此計算基于CTA數據重建的血管識別正確率；測量系統定位的穿支血管穿出點與實際血管穿出點之間的距離，計算誤差值；記錄系統輔助下制取股前外穿支皮瓣的手術時間，并與常規方法制取皮瓣的手術時間進行對比分析。探討該系統的臨床實用性。結果 CTA數據重建的穿支血管30個，手術中探查發現實際存在32個，識別正確率為93.75％；系統定位的穿支血管穿出點與實際穿出點的平均距離為（1.65±0.52） mm，系統定位下制取皮瓣的平均手術時間為（43.45±4.6）min，常規方法制取皮瓣的手術時間為（57.6±7.9）min。所有穿支皮瓣均成活，1例皮瓣術后7d出現感染，1倒皮瓣局部壞死，經對癥治療后延遲愈合。結論 本研究搭建的系統可以通過混合現實技術實現穿支血管三維可視化，利用人工智能算法提高穿支血管定位精度，在穿支皮瓣制取手術中具有應用潛力。

[關鍵詞]混合現實；人工智能算法；股前外穿支皮瓣；穿支血管

[中圖分類號]R782.05[文獻標志碼]A[doi]10.7518/hxkq.2024.2024129

在組織缺損修復重建手術中，股前外穿支皮瓣因具有易于制取、血供豐富、血管蒂長等優勢而被譽為“萬能皮瓣”，已廣泛應用于整形、創傷和腫瘤等醫學領域。然而，由于股前外穿支血管的變異及個體差異，血管的位置、管徑大小、起源、在皮下組織和肌肉內的走行等差異性不僅表現在不同個體之間，而且在同一個體的不同側也會出現差異，從而影響到最終的修復效果。因此，在術前精準地定位穿支血管，進而合理設計穿支皮瓣是臨床中需要探討的問題。

目前穿支血管的定位方法主要包括CT血管造影（CT angiography，CTA）、彩色多普勒超聲（color doppler ultrasound，CDU）、磁共振血管造影（magnetic resonance angiography，MRA）等，其中，CTA定位血管的優越性已得到證實，被譽為血管定位的金標準同。前期研究也證實了CTA定位穿支血管的性能優于CDU，但CTA圖像需要術者在手術過程中根據自己的經驗將重建后的影像與真實術區進行重疊，虛擬圖像與現實的匹配往往浪費大量的時間與精力。因此，保留現有技術的優點并引入三維可視化影像是提高皮瓣制取效率的途徑，并將對醫學技術的發展起到促進作用。

近年來，混合現實（mixed reality，MR）已成為醫學領域多個學科普遍采用的技術手段。在股前外穿支皮瓣手術中，利用MR能夠將制取的皮瓣區域三維模型進行投放，實現三維可視化，有可能解決目前定位存在的諸多問題。然而，在實際應用中，由于下肢平坦光滑且缺乏明確解剖標志，MR傳統手動配準方法面臨挑戰。基于此，本研究研發一種簡便、無創的定位裝置，并設計人工智能算法將定位裝置與其三維模型自動對齊，最終實現穿支血管與其三維模型的對齊，為臨床提供新思路及實驗依據。

1材料和方法

1.1一般資料

納入20例重慶大學附屬腫瘤醫院頭頸外科行下肢股前外穿支皮瓣修復重建的患者，所有患者均知情并簽署同意書。回顧并隨機選取重慶大學附屬腫瘤醫院2018-2020年采用常規方法制取股前外穿支皮瓣的患者20例，記錄每例患者皮瓣制取的時間。本研究經重慶大學附屬腫瘤醫院倫理委員會審批通過（倫理審批號：CZLS2021177-A）。

納入標準：1）頭頸頜面部惡性腫瘤患者；2）原發灶擴大切除后組織缺損范圍大，術前評估游離前臂皮瓣無法修復術區缺損；3）可耐受全麻手術。

排除標準：1）預計術區組織缺損范圍小于5.0 cmx4.0 cm；2）雙下肢既往有手術或者外傷史；3）其他基礎疾病無法承受全麻者。

1.2設備、材料及流程

HoloLens 2（Microsoft公司，美國），西門子雙源CT（Siemens公司，德國），Simplant軟件（Materialise公司，比利時），聚醚醚酮（polyethe-retherketone，PEEK）（吉林中研高分子材料股份有限公司）。

系統工作流程見圖1。

1.3術前準備

1.3.1在體表標記股前外皮瓣

患者體位與手術時一致，在髂前上棘外緣到髕骨外緣作一連線，從該線中點0點向腹股溝韌帶中點作第二連線即為旋股外側動脈降支的體表投影。O點為第一肌皮動脈降支的淺出點。皮瓣設計應使淺出點落在皮瓣的上半部靠中點附近。標記后皮瓣見圖2。

1.3.2制作并安裝定位裝置

將影像學可顯影、偽影小的PEEK材料制作成直徑6 mm、厚度3mm的硬幣形狀，黏貼在設計皮瓣外形高點處（圖3）。

1.3.3下肢CTA掃描

使用西門子雙源CT進行掃描。患者取與手術相同的平臥體位，足先進，手臂上舉至頭頂。對比劑使用碘普羅胺370，以4.0 mL/s的速率推注90 mL；動脈期采用股動脈監測觸發，觸發閾值為100 HU，同時設置延遲掃描時間10 s。掃描完畢后，將掃描所得1 mm層厚無間距橫軸位原始圖像數據傳輸至工作站，采用多平面重建、最大密度投影以及容積再現、曲面重建等技術對圖像進行后處理（圖4）。

1.3.4 CTA數據進行三維重建

將獲得的CTA二維數據導入Simplant軟件，利用工作站中組織識別板塊分割及重建軟組織、血管、骨組織和腫瘤以獲得網格模型，使用工作站的場景編輯板塊對網格模型進行優化三角、打磨凸起、鏤空血管、調整邊界輪廓等平滑處理，使用不同顏色區分顯示模型中的軟組織、血管、骨組織以及腫瘤，最終制成下肢與PEEK材料的三維模型（圖5）。

1.3.5設計人工智能算法

采用UNETR分割技術處理PEEK材料，UN，ETR模型融合了U-Net的結構和Transformer的自注意力機制，優化了圖像分割中的全局信息整合與細節保留。在此模型中，編碼器通過Transformer的自注意力機制處理圖像，有效捕獲全局信息；解碼器則將這些特征轉換為精確的分割圖像。

創建HoloLens 2的應用程序開發環境，在Unity中創建一個新的項目，并配置為HoloLens 2開發，導入HoloLens 2開發工具包，設置項目的配置選項。對應用程序進行設計，將患者下肢的4個PPEK材料進行關鍵點檢測、三維模型與患者肢體相匹配等操作集成到應用程序中。

1.4手術

1.4.1定位穿支血管

手術時，患者取與檢查相同平臥體位，麻醉誘導時僅給予插管劑量的短效肌肉松弛劑，定位與取皮瓣完成前不再給予肌肉松弛劑。術者佩戴HoloLens 2，導人患者的三維模型，根據設計的人工智能算法，使用手勢及語音指令，先將定位裝置的三維模型與患者體表的定位裝置進行自動對齊，術者再通過多角度、多維度調整模型的位置和方向。定位裝置對齊后，穿支血管與其三維模型則對齊，選取穿支血管穿出點標記于體表（圖6）。

1.4.2尋找實際穿支血管

沿皮瓣標記處切開皮膚、皮下組織，在闊筋膜表面下從前向后直視下尋找穿支血管（囤7）。

1.5測量指標

記錄皮瓣區域內系統定位的穿支血管數量及實際穿支血管數量，計算CTA數據重建后穿支血管識別正確率，識別正確率=定位血管數量/實際穿支血管數量。測量穿支血管穿出點與實際血管穿出點間的距離，記錄每例患者皮瓣制取的時間。

2結果

2.1臨床觀察

20例穿支皮瓣均成活，1例皮瓣術后7d出現感染，給予抗感染等對癥治療后控制；1例皮瓣術后10d出現局部壞死，經換藥等局部治療后延遲愈合。

2.2CTA數據重建的血管識別正確率

20例患者CTA重建后的穿支血管共30個，手術中探查發現實際存在32個（表1）。血管識別正確率為93.75％ （30/32）。

2.3系統定位穿支血管穿出點的誤差值

系統定位下20例患者的下肢股前外穿支血管穿出點與實際血管穿出點的總距離為33 mm（表1），平均距離為（1.65±0.52）mm。

2.4手術時間

系統定位下20例患者制取皮瓣的總手術時間869 min，平均手術時間為（43.45±4.6） min。常規方法制取皮瓣的總手術時間1152 min，平均手術時間為（57.6±7.9） min。

3討論

3.1MR技術中定位裝置的現狀

影像數據結合MR技術在臨床中得到了廣泛的研究，但主要集中在具有固定解剖標志的骨科或顱頜面外科中，骨、眼、耳、鼻等結構的固定性和辨識度可作為基準參照物。操作者使用頭戴式全息顯示器，通過調整三維模型的位置、角度和比例，先將人體固定解剖標志與其三維模型物理對齊，再實現整體三維模型與人體的手動配準。然而，在股前外穿支皮瓣手術應用中，由于下肢平坦光滑且缺乏明確解剖標志，手動配準方法面臨挑戰。

為了解決這一難題，學者們通常會在手術區域周圍放置特定的定位裝置以輔助手動配準。莫勇軍等在髂前上棘和髕骨外上緣黏貼電極片作為參照，術中使用MR將基于CTA數據的三維皮瓣信息疊加到患者供區體表以獲取穿支血管位置，術后皮瓣全部成活，無并發癥，血運良好。Pratt等使用HoIoLens在踝骨、膝關節處建立全息坐標作為基準，術中將基于CTA的三維模型匹配到腓骨皮瓣，結果顯示，MR可以實現穿支血管的三維可視化，起到透視的作用。在配準過程中，定位裝置的對齊起到關鍵作用。現有的黏貼式定位裝置雖然簡便易行，但存在單一視角、依靠術者經驗、CT掃描出現偽影等缺陷，而針插入、螺釘插入、導管插入等植入式定位裝置可能引起感染、免疫排斥、斷裂等風險。目前國內外文獻對于穿支皮瓣專用定位裝置研究較少。在本研究中，筆者采用PEEK材料制作定位裝置，PEEK材料具有影像顯影而無偽影特點。經多次掃描后，認為直徑6 mm、厚度3mm的圓形PEEK材料制成的三維模型最優，能在人工算法中實現準確地識別與定位，同時確保了患者的舒適度。

3.2MR與人工算法結合的現狀與臨床效果分析

手動配準的過程通常需要依靠外科醫生的經驗進行模型與解剖結構的重疊，雖然直觀，但由于缺乏自動化支持，存在一定的主觀誤差。同時，定位裝置的單個角度對齊并不準確，必須從多個角度檢查虛擬物體與真實物體之間的空間相對位置差異，這又增加了手動配準的復雜性和配準所需時間。Berger等對10例患者的穿支皮瓣與其三維模型進行手動配準，結果顯示MR技術可以精準地定位穿支血管，但配準總耗時173 min。

隨著人工智能在醫學領域的廣泛應用，臨床已開始嘗試人工智能算法與MR技術結合進行應用。現有的結合研究主要集中在依托光學定位系統等輔助工具以提高手術精確度，研究者利用光學定位系統算法建立空間坐標，通過磁性定位技術識別人體表面的參考標記，實現血管叢的虛擬圖像與人體的對齊。光學定位系統定位精度較高，多項研究報道小于2 mm的誤差。然而，基于光學定位系統等輔助工具的算法存在成本高昂、算法復雜、超出術者認知范疇等缺點，臨床推廣困難。本研究在HoIoLens 2中開發了一種人工智能算法，利用UNETR處理背景復雜的圖像分割任務的出色性能，通過結合U-Net的細節傳遞能力和Transformer的全局感知能力，顯著提升了分割的精度與準確度。同時，摒棄外部輔助設備，通過HoloLens 2虛擬軸的指向和智能交互精確，迅速地完成PEEK材料與其三維模型多角度、多維度地對齊，進而實現穿支血管與其三維模型的重疊。配準平均時間為5 min以內，不僅提升了原有手動定位的效率，也簡化了光學定位系統操作的復雜性，有效地減少了手術時間，降低了并發癥。

在皮瓣手術中，精確識別及定位穿支血管是手術成功的關鍵因素，可以提升手術的糖準度，降低手術風險和創傷。在本研究中，誤差主要受以下幾方面影響：1）人工智能算法誤差，點配準算法的誤差一般小于0.5 mm；2）二維圖像制作三維模型過程中的誤差，如圖像分辨率、噪聲及偽影等干擾因素的影響；3）定位裝置的微小移動、術者的主觀因素也會影響精度。本研究結果顯示系統輔助定位的平均誤差為1.65 mm，與Sun等報道的（1.30±0.39） mm和Tu等報道的（1.61±0.4）mm相近，手術的精確性和患者安全性均得到提高。20例穿支皮瓣均成活，未出現皮瓣壞死等并發癥，本研究認為使用新技術定位穿支血管的誤差在實際操作過程中并未對皮瓣的成活產生影響。同時，基于CTA數據重建的血管數量為30個，實際探查血管32個，血管識別正確率為93.75％，正確率較高，未找到的穿支血管考慮為重建時閾值選擇不正確所遺漏。

在手術時間方面，系統輔助定位制取皮瓣的時間為（43.45±4.6） min，常規方法制取皮瓣的時間為（57.6±7.9）min。分析原因，筆者認為，HoIoLens輔助下手術時間減少的原因主要與以下3個方面相關。1）傳統的CDU定位血管方式存在不足：CDU定位穿支血管假陽性率、假陰性率較高，且定位準確性與操作者熟練程度密切相關。術中可能出現穿支血管定位不準確，甚至設計皮瓣處無血管等可能性，重新尋找穿支血管并制取皮瓣，不僅增加了手術時間，還會導致術區創傷和手術風險的提高。2）基于CTA數據的系統定位穿支血管的優勢：CTA利用X射線和計算機技術生成高分辨率的血管圖像和全面的血管解剖學信息，包括血管蒂的直徑、長度、肌肉方向以及潛在的皮瓣穿支。其空間分辨率高，能夠探測到口徑0.3 mm的穿支血管。本研究基于CTA數據，對穿支血管進行三維重建，使用HoIoLens將穿支血管三維模型投放于人體，可以在術前多方位、立體觀察穿支血管起源、分布和穿出點位置，針對患者個體化差異制定皮瓣制取計劃，減少了因個體差異、CDU誤差導致的皮瓣設計不準確，有效地減少了手術時間。3）探索新的皮瓣制取方式，提高手術效率。將傳統的皮瓣制取方式由“設計－切開－尋找血管－制取皮瓣”更改為“定位血管－設計皮瓣－切開－制取皮瓣”，有效地提高了制取皮瓣效率，增加皮瓣成活率，縮短了手術時間，減少了非必要創傷。本研究結果與Masterton等使用MR實現穿支血管可視化，加速精確解剖并減少誤差的結果相同。

本研究在HoloLens中開發人工智能算法，摒棄外部輔助設備，單純使用HoloLens進行穿支血管的定位與匹配，與目前國內外其他學者使用光學定位系統輔助下的HoloLens定位穿支血管研究相比具有一定的前瞻性和先進性。在應用中發現：三維模型與人體的實際配準時間為5～10 min，雖然致使手術時間增加，并在一定程度上導致手術流程相對復雜，但實現了穿支血管三維可視化，可直觀地了解穿支血管的走形、分布、穿出點的位置，利于手術前對皮瓣進行設計、術中對穿支血管及穿出點進行保護，配準后減少了實際制取皮瓣的時間，降低了皮瓣危象的可能性。基于此，筆者認為，在股前外穿支皮瓣手術中使用混合現實技術有利有弊，優點在于實現了穿支血管三維可視化，有利于術前皮瓣設計，降低了皮瓣危象可能性，并減少了實際制取皮瓣時間。但缺點在于流程相對復雜化，增加了工作量。

在CTA數據三維重建過程中，可以采取以下方法確保精確。1）高分辨率的影像數據：使用高分辨率的CTA影像數據可以提供更多的穿支血管細節信息，同時，通過合適的參數設置以獲取更高質量的影像，并在技術層面優化數據質量，如偽影、造影時間抓取等，從而進行更精確的分割和重建。2）使用多模態數據：除了CTA數據外，結合其他模態的影像數據，如MRI或數字血管造影等進行多模態的數據融合，可以獲得更多數字信息以識別和分割穿支血管結構。3）采用先進的分割算法：使用圖像分割算法，如基于深度學習的方法處理穿支血管的復雜結構和背景噪音，可以提高分割的準確性。同時，圖像分割算法可以實時顯示邊界對齊的指示線，幫助標注者準確定位結構的邊界，其自動捕捉功能，可以根據圖像特征吸附標注點或輪廓，減少標注者的手動操作，自動修正標注中的錯誤或不準確之處，使得標注線或輪廓更加平滑和連續。4）手動校正和調整：在人工智能算法生成初步結果后，技術人員可以通過觀察CTA、MRI、DSA等影像數據和結合臨床經驗，對分割結果進行手動修正和微調，保證血管結構的準確重建。5）質量和反饋機制：通過建立臨床的反饋，持續監測分割和重建過程中的準確性和穩定性，并及時與專業技術人員溝通調整，確保最終重建結果的精確性。

3.3本研究的局限性

本研究具有以下局限性：1）人工智能算法輔助下的PEEK材料與其三維模型的對齊是面的對齊，而無法直接達到多角度多維度對齊，仍需術者根據定位裝置的角度進行微小調整，嚴格來說，設計的人工算法實現了半自動化。2）黏貼式定位裝置受到患者組織位移因素影響，為減少誤差，需盡快對患者進行血管定位標記。3）術中需去除定位裝置以避免消毒不徹底，導致無法實現實時導航，后續仍需繼續設計新型定位裝置。4）本研究目的是探討混合現實與人工智能算法結合的可行性，存在樣本量偏少的局限，并且未與彩超引導技術定位穿支血管進行效果對比。

綜上所述，混合現實結合人工智能算法為股前外穿支皮瓣手術提供了更少的誤差，可以減少手術時間，提高手術安全性和效率。盡管目前基于混合現實技術的手術導航系統存在不足，但仍值得深入研究。

利益沖突聲明：作者聲明本文無利益沖突。