リアルタイムで圧縮中の乳房組織の機械的挙動をモデル化するための有限要素ベースの機械学習アプローチ

この作業は、生検や放射線療法の用量分娩などの画像誘導介入における乳房組織の生体力学的挙動をリアルタイムでシミュレートするだけでなく、マルチモーダル登録アルゴリズムを高速化するデータ駆動型の方法を提示します。この作業には10個の本物の胸が使用されました。2つの圧縮プレートの変位によるそれらの変形は、有限要素（FE）メソッドを使用してオフラインでシミュレートされました。これらのシミュレーションからのデータとともに、3つの機械学習モデルがトレーニングされました。次に、圧縮中の乳房組織の変形をリアルタイムで予測するために使用されました。モデルは、決定ツリーと2つのツリーベースのアンサンブル方法（非常にランダム化された木とランダムフォレスト）でした。2つの異なる実験セットアップが、さまざまな条件下でこれらのモデルのパフォーマンスを検証および研究するために設計されました。モデルによって予測されるノード間の平均3Dユークリッド距離とFEシミュレーションから抽出されたノード間の距離を計算して、検証セット内のモデルのパフォーマンスを評価しました。実験は、非常にランダム化された木が他の2つのモデルよりも優れたパフォーマンスを発揮することを証明しました。結節変位の予測において3つのモデルによって犯される平均誤差は2 mm未満であり、通常は臨床応用に設定されています。乳房圧縮予測に必要な時間は、リアルタイム（<0.2秒）での使用を許可するのに十分な短いです。

This work presents a data-driven method to simulate, in real-time, the biomechanical behavior of the breast tissues in some image-guided interventions such as biopsies or radiotherapy dose delivery as well as to speed up multimodal registration algorithms. Ten real breasts were used for this work. Their deformation due to the displacement of two compression plates was simulated off-line using the finite element (FE) method. Three machine learning models were trained with the data from those simulations. Then, they were used to predict in real-time the deformation of the breast tissues during the compression. The models were a decision tree and two tree-based ensemble methods (extremely randomized trees and random forest). Two different experimental setups were designed to validate and study the performance of these models under different conditions. The mean 3D Euclidean distance between nodes predicted by the models and those extracted from the FE simulations was calculated to assess the performance of the models in the validation set. The experiments proved that extremely randomized trees performed better than the other two models. The mean error committed by the three models in the prediction of the nodal displacements was under 2 mm, a threshold usually set for clinical applications. The time needed for breast compression prediction is sufficiently short to allow its use in real-time (<0.2 s).