基于深度学习的微等离子射频消融治疗病理性瘢痕外观结局模拟研究
李乘飞
李仕一
付强
周桂文
吴倩
孟凡婷
徐潇
陈敏亮
中国人民解放军总医院第四医学中心 烧伤整形医学部,北京 100048
摘要：目的 构建基于条件生成对抗网络的微等离子射频(micro-plasma radiofrequency,MPR)治疗病理性瘢痕外观结局模拟模型,实现由单张治疗前临床图片生成治疗后外观预测图像,为治疗前沟通与个体化决策提供可视化参考.方法 回顾性收集 2020-2024 年,中国人民解放军总医院第四医学中心烧伤整形医学部接受单一MPR治疗的病理性瘢痕患者标准化临床图片,随访时间点固定为治疗后6 个月.共纳入100 例患者,随机划分训练集 80 例、测试集 20例.建立成对监督的条件生成对抗网络(generative adversarial networks,GANs)模型,生成器为ResNet编码—解码结构(9 个残差块),判别器为PatchGAN;采用对抗损失联合L1 内容损失(λ=100)进行优化.于测试集中计算均方误差(mean squared error,MSE)、峰值信噪比(peak sig-nal-to-noise ratio,PSNR)与结构相似性(structural similarity,SSIM)评价生成图像与真实随访图像的一致性,并进行代表性病例定性分析.结果 模型在测试集中可重现MPR治疗后外观改善的主要趋势,生成图像在瘢痕线性走向、边缘过渡及红色调减退方面与真实随访图像总体一致.客观指标为:MSE(0.053±0.024),95%CI(0.042,0.064);PSNR(37.069±3.215)dB,95%CI(35.564,38.574);SSIM(0.736±0.036),95%CI(0.719,0.753).结论 基于条件GAN的MPR瘢痕结局模拟系统具有可行性,可输出与真实随访外观较一致的预测图像,具有用于治疗前可视化沟通与决策支持的潜在价值.后续仍需多中心与多样化人群数据验证,并融合临床参数及多模态信息以进一步提升泛化能力与可解释性.
关键词：病理性瘢痕微等离子射频生成对抗网络图像到图像转换疗效模拟
论文发表日期：2026-02-15
在线出版日期：2026-03-31（本平台首次上网日期，不代表文献的发表时间）
页数：8( 100-106,后插6 )
英文信息