3D 打印切片盒在骨盆腫瘤邊界三維定位中的應(yīng)用初探

李小敏，曲 揚(yáng)，武 文，趙 亮，張少霆，郝永強(qiáng)，戴尅戎，艾松濤

1. 上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院放射科，上海 200011；2. 上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院骨科，上海 200011; 3. 上海商湯智能科技有限公司，上海 200030

骨盆區(qū)惡性腫瘤是一種高致死率和致殘率的骨腫瘤[1-2]。術(shù)前準(zhǔn)確判定腫瘤邊界對于確定截骨范圍至關(guān)重要，有助于降低腫瘤局部復(fù)發(fā)和重建患肢功能[3-4]。磁共振成像（magnetic resonance imaging，MRI）因軟組織分辨率高，是目前評估骨腫瘤浸潤范圍的主要手段。自1986 年Sundaram 等[5]首次報(bào)道骨肉瘤MRI 圖像與術(shù)后病理圖像相關(guān)性研究以來，諸多研究都證實(shí)了MRI 在評估腫瘤浸潤范圍中的重要價(jià)值[6-8]。然而，相關(guān)研究多是基于單一切面的影像與病理共定位研究，仍缺乏三維病理信息支持，成為骨腫瘤手術(shù)精準(zhǔn)規(guī)劃并進(jìn)一步優(yōu)化和發(fā)展的瓶頸。其中，如何實(shí)現(xiàn)術(shù)后病理圖像和術(shù)前MRI 圖像的精準(zhǔn)共定位，尤其是對于巨大骨盆腫瘤，是開展相關(guān)研究的至關(guān)重要的一步。

隨著3D 打印在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用[9-11]，在影像和病理圖像共定位研究方面，諸多學(xué)者展開一些探索，這些研究[12-16]主要集中于前列腺、腦、腎、肝等軟組織疾病。上述切片模具是基于術(shù)前圖像的分割建模模型。然而，骨盆腫瘤術(shù)前影像圖像建立的腫瘤模型與術(shù)中切除標(biāo)本間存在巨大的差異，相關(guān)經(jīng)驗(yàn)并不能直接用于本研究。因而，本研究嘗試通過骨盆腫瘤術(shù)前MRI/CT 圖像與術(shù)后腫瘤標(biāo)本CT 圖像之間的配準(zhǔn)，基于術(shù)后標(biāo)本的形態(tài)設(shè)計(jì)病理切片盒，從而使術(shù)前MRI 的掃描方向同病理切片方向一致，探討其應(yīng)用于骨盆腫瘤共定位的可行性。

1 對象與方法

1.1 研究對象

本研究包括從2019 年7 月—2020 年7 月經(jīng)活檢證實(shí)患骨盆腫瘤的患者，患者均計(jì)劃接受保肢切除術(shù)。納入標(biāo)準(zhǔn)：①以骨盆或股骨腫瘤收治于上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院骨科。②術(shù)前已行CT 和MRI 增強(qiáng)檢查，且T1 加權(quán)脂肪抑制增強(qiáng)序列有橫斷位和冠狀位圖像。③ 能夠獲得手術(shù)切除或穿刺手術(shù)病理結(jié)果的患者。排除標(biāo)準(zhǔn)：①骨盆腹腔內(nèi)的腫瘤，圖像偽影明顯影響診斷。② 影像學(xué)成像方法不符合檢查規(guī)范。③影像學(xué)檢查方法缺項(xiàng)的 患者。本研究獲得了上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院倫理審查委員會的批準(zhǔn)（滬九院倫審2018-126-T104 號）。

1.2 影像檢查與評估

患者術(shù)前行骨盆CT 平掃或雙下肢CT 血管造影術(shù)（CT angiography，CTA，用于評估腫瘤與大血管關(guān)系）、骨盆增強(qiáng)MRI 和CT 胸部平掃（用于觀察肺轉(zhuǎn)移情況），患者術(shù)后切除的骨腫瘤標(biāo)本行骨盆CT 平掃和MRI 檢查，并以DICOM 格式保存CT 和MRI 數(shù)據(jù)。

CT 檢查：128 排雙源CT 機(jī)（西門子，德國，Somatom Definition FLASH）。掃描參數(shù)：管電壓為120 kV，基準(zhǔn)管電流與曝光時(shí)間乘積為333.0 mAs，探測器準(zhǔn)直32 mm× 0.6 mm，螺距0.6，采用D30 重建算法（重建視野360 mm， 層厚1 mm，無間隔）。

MRI 檢 查：3.0T MR 掃 描 儀（ 西 門 子， 德 國，MAGNETOM Verio 3.0T MR）。掃描參數(shù)見表1。

表1 MRI 掃描參數(shù)Tab 1 MRI scanning parameters

1.3 3D 打印病理切片盒的設(shè)計(jì)與打印

1.3.1 數(shù)據(jù)建模 將患者術(shù)前薄層CT 掃描圖像、術(shù)后腫瘤標(biāo)本薄層CT 掃描圖像的DICOM 數(shù)據(jù)導(dǎo)入SenseCare軟件，對術(shù)前勾畫腫瘤范圍、術(shù)后切除腫瘤進(jìn)行三維建模，輸出為STL 文件。

1.3.2 CT、MRI 圖像配準(zhǔn) 將術(shù)后腫瘤標(biāo)本三維建模數(shù)據(jù)和術(shù)前腫瘤CT 數(shù)據(jù)，以其共有的骨性特征作為互信息基礎(chǔ)，結(jié)合手工標(biāo)記方法，以術(shù)前CT 坐標(biāo)系為基準(zhǔn)進(jìn)行領(lǐng)域特征點(diǎn)提取和匹配的點(diǎn)云配準(zhǔn)，并結(jié)合剛體變換配準(zhǔn)算法進(jìn)一步約束，再將上述配準(zhǔn)好的數(shù)據(jù)基于術(shù)前MRI數(shù)據(jù)進(jìn)行配準(zhǔn)[17]。

1.3.3 病理切片盒設(shè)計(jì)與打印 將上述配準(zhǔn)后的骨盆腫瘤MRI 數(shù)據(jù)和骨盆腫瘤3D 模型數(shù)據(jù)導(dǎo)入到SenseCare 軟件中，為其做拔模操作。使用編輯器工具設(shè)計(jì)病理切片時(shí)的引導(dǎo)槽。為防止切割引導(dǎo)槽中間的層面在切割時(shí)晃動，影響切片的準(zhǔn)確性，在切片盒內(nèi)部添加8 ～10 根細(xì)柱進(jìn)行加固，最后將拔模處理后的切片盒導(dǎo)出為STL文件。用3D 打印機(jī)（聯(lián)泰，中國，lite 450Hd）打印病理切片盒。具體方案：打印材料采用光敏樹脂MED 610（Stratasys，以色列），全尺寸打印。

1.4 影像病理相關(guān)性分析

標(biāo)本用10%甲醛固定后，按照骨組織延伸的方向放入切片盒內(nèi)，采用病理大切片技術(shù)，使用骨組織病理切片機(jī)（EXAKT，德國，EXAKT 312 金剛石切骨機(jī)），按照3D 打印病理切片盒所設(shè)定的坐標(biāo)系，將原始樣本縱向片狀精密切割，以便后期制片與其在體內(nèi)的解剖方向相匹配，片狀厚度≤5 mm，然后采用網(wǎng)狀格分切標(biāo)準(zhǔn)樣本，每個(gè)樣本4.5 mm×4.5 mm 以內(nèi)。采用15% EDTA 脫鈣液進(jìn)行骨組織脫鈣，脫水浸蠟包埋后切片進(jìn)行蘇木精-伊紅染色（hematoxylin-eosin staining，H-E staining）。切片制作完成后，使用病理數(shù)字化掃描儀進(jìn)行數(shù)字化掃描，在數(shù)字化病理切片的最小分辨率上，將所有圖像進(jìn)行旋轉(zhuǎn)、翻轉(zhuǎn)、縮放、拉伸等操作后，完成整層病理圖像拼接和三維層次配準(zhǔn)及重建。在數(shù)字化病理切片的最大分辨率上，由病理醫(yī)師進(jìn)行病理分析，選定要分析的腫瘤區(qū)域獲得靶向組織樣本進(jìn)行放射病理學(xué)分析。研究流程見圖1。

圖1 影像病理對照研究Fig 1 Image-pathology control study

2 結(jié)果

2.1 患者臨床基本資料

本研究共納入骨盆腫瘤患者5 例，其中男性患者4 例，女性患者1 例。患者年齡26 ～65 歲，平均年齡（46.40±15.66）歲，其中良性1 例，惡性4 例；根據(jù)2013 版WHO 骨腫瘤新分型標(biāo)準(zhǔn)[18]，骨軟骨瘤1 例，軟骨肉瘤3 例，漿細(xì)胞瘤1 例；根據(jù)Enneking 骨盆腫瘤分區(qū)方法，患者累及Ⅰ區(qū)1 例、累及Ⅰ+Ⅱ區(qū)2 例、累及Ⅰ+Ⅱ+Ⅲ區(qū)1 例，累及股骨患者1 例。所有患者均成功地接受了骨腫瘤切除術(shù)，并完全切除了骨腫瘤。術(shù)后骨腫瘤最大直徑平均值為（13.96±2.42）cm?；颊呓y(tǒng)計(jì)資料、腫瘤特征、手術(shù)數(shù)據(jù)及病理診斷見表2。

2.2 3D 打印病理切片盒驗(yàn)證

表2 患者臨床資料Tab 2 Information of patients

通過SenseCare 軟件成功重建骨盆腫瘤患者骨盆骨性結(jié)構(gòu)和腫瘤軟組織三維模型，以及設(shè)計(jì)個(gè)體化3D 打印病理切片盒。所有患者打印了患者特異性的個(gè)體化3D 打印病理切片盒。病理切片盒平均重約2 500 g，平均成本約為2 500 元（2 000 ～3 000 元）。研究納入的5 例患者的腫瘤標(biāo)本均能與3D 打印病理切片盒準(zhǔn)確擬合。對于第1例患者（圖2），術(shù)前MRI 圖像對應(yīng)層面（圖2D）與術(shù)后腫瘤標(biāo)本MRI 圖像（圖2E）相一致，為其創(chuàng)建的正方體的3D 打印病理切片盒（圖2H），能貼合標(biāo)本，并且不同病理層面腫瘤區(qū)域獨(dú)特的腫瘤特征實(shí)現(xiàn)與相應(yīng)MRI 層面共定位（圖2J）。但正方體的3D 打印病理切片盒需要消耗大量的光敏樹脂材料，打印成本會增加；此外，正方體的3D 打印病理切片盒壁厚，病理切割需要一定的時(shí)間。因此，改進(jìn)實(shí)驗(yàn)設(shè)計(jì)，對于另外4 例患者，設(shè)計(jì)打印了貼合腫瘤輪廓的不規(guī)則形3D 打印病理切片盒（圖3H），并對切片盒邊緣進(jìn)行圓滑處理，打印體積降低，打印成本大幅減少；其次，在保留切片盒一面壁平整的情況下減少了壁的厚度，使病理切割過程快速、便捷。

2.3 案例

患者，男性，35 歲，左髖部疼痛半年余，以“左側(cè)股骨近端骨腫瘤”收治本院骨科。術(shù)前CT、MRI 增強(qiáng)檢查示左側(cè)股骨近端巨大腫瘤，股骨頸骨質(zhì)成膨脹、侵襲樣生長，腫瘤最大直徑12.40 cm；患肢遠(yuǎn)端運(yùn)動、感覺、循環(huán)正常。骨盆CT、MRI 數(shù)據(jù)導(dǎo)入SenseCare 軟件，重建骨盆CT 圖像骨性結(jié)構(gòu)和MRI 圖像軟組織結(jié)構(gòu)，結(jié)合患者胸部CT 平掃圖像，評價(jià)病變范圍，術(shù)前規(guī)劃手術(shù)切除范圍，并生成骨腫瘤三維模型，導(dǎo)出STL 文件。手術(shù)切除后骨腫瘤標(biāo)本CT、MRI 數(shù)據(jù)導(dǎo)入SenseCare 軟件，與術(shù)前影像數(shù)據(jù)配準(zhǔn)，設(shè)計(jì)個(gè)體化3D 打印病理切片盒并打印。將固定好的骨腫瘤標(biāo)本放入病理盒中，進(jìn)行切片染色，病理結(jié)果為軟骨源性腫瘤，細(xì)胞輕度異型，符合軟骨肉瘤Ⅰ級。特定腫瘤區(qū)域組織樣本放射病理學(xué)分析如圖3 所示。術(shù)后腫瘤標(biāo)本MRI 圖像（圖3J）與術(shù)前患者M(jìn)RI 圖像對應(yīng)層面（圖2K）相一致。不同病理層面腫瘤區(qū)域獨(dú)特的腫瘤特征實(shí)現(xiàn)與相應(yīng)MRI 層面共定位（圖2J）。在圖4中，骨腫瘤按照骨組織延伸的方向放入切片盒內(nèi)，因切片盒內(nèi)頭端（圖4C）和尾端（圖4B）骨性結(jié)構(gòu)，骨腫瘤在切片盒內(nèi)受到限制，實(shí)現(xiàn)骨腫瘤與切片盒的精確貼合，保證術(shù)后組織在切片盒中定位的準(zhǔn)確性。

3 討論

圖2 3D 打印病理切片盒病理切片流程圖Fig 2 Pathological section diagram of 3D printing pathological section box

術(shù)前準(zhǔn)確判定腫瘤邊界是實(shí)施骨盆腫瘤精準(zhǔn)手術(shù)切除的基礎(chǔ)，而病理學(xué)信息是衡量影像判定邊界是否準(zhǔn)確的依據(jù)。在既往骨腫瘤影像與病理對照的共定位研究中，研究者多選擇最大病理切面同影像圖像比較，這種特定面點(diǎn)對點(diǎn)的對比，獲取的病理信息有限，而且不能實(shí)現(xiàn)病理圖像與相應(yīng)的影像圖像對應(yīng)。目前，已有學(xué)者應(yīng)用3D 打印技術(shù)制作切片盒，以實(shí)現(xiàn)MRI 圖像與病理切片三維圖像的準(zhǔn)確配準(zhǔn)[19-20]。關(guān)于使用3D 打印病理切片盒進(jìn)行MRI 與組織病理學(xué)相關(guān)性的報(bào)道主要局限于前列腺等小的軟組織標(biāo)本。Costa 等[21]報(bào)道了體內(nèi)MRI 圖像和體外前列腺標(biāo)本的配準(zhǔn)，使用患者特異性MRI 衍生的病理切片盒切片與常規(guī)包埋切片相比，前列腺內(nèi)部結(jié)構(gòu)的配準(zhǔn)也得到了改善，包括周邊區(qū)、移行區(qū)、腫瘤輪廓的勾畫。其次，也有學(xué)者在腦、肝臟以及腎臟組織結(jié)構(gòu)方面開展了相關(guān)的研究[12-14]，并對于提升病理標(biāo)本和術(shù)前影像成像的一致性開展了一定的探索，然而這些研究中用于病理切片盒設(shè)計(jì)的影像數(shù)據(jù)是術(shù)前腫瘤影像圖像分割建模的結(jié)果，而腫瘤術(shù)后切除標(biāo)本除了腫瘤本身，還帶有部分正常組織，影響切除標(biāo)本與病理切片盒的擬合程度，進(jìn)而影響影像與病理共定位的準(zhǔn)確性。

圖3 典型病例的3D 打印病理切片盒在骨腫瘤邊界的應(yīng)用Fig 3 Application of 3D printing pathological section box to typical cases in the boundary of bone tumor

圖4 3D 打印病理切片盒與骨腫瘤標(biāo)本的擬合程度的CT 圖像Fig 4 CT images of fitting degree of 3D printing pathological section box and bone tumor specimen

本研究提出的創(chuàng)新病理切片盒，根據(jù)體外CT/MRI 成像與體內(nèi)CT/MRI 成像配準(zhǔn)后圖像設(shè)計(jì)而成。切片盒定義了特定的切片平面，與MRI 掃描層的骨腫瘤方向和位置相同，將配準(zhǔn)問題從3D 問題簡化為2D 問題。骨腫瘤組織可以固定在切片盒內(nèi)，以支持骨腫瘤的病理檢查，而不改變它，并有助于組織切片后續(xù)配準(zhǔn)到體內(nèi)MRI。我們設(shè)計(jì)的獨(dú)特之處包括允許將組織固定在切片盒中，以保持其體內(nèi)形狀，一個(gè)邊緣光滑處理的外部形狀，適合CT/MRI掃描。切片盒所具有的坐標(biāo)系，為精確的樣本定位提供指導(dǎo)。這種改進(jìn)的病理切片盒設(shè)計(jì)提供了在固定后或固定前使用高分辨率體外CT/MRI 掃描切片盒內(nèi)骨腫瘤的可能性，從而獲得與體內(nèi)MRI 具有相同方向和位置的相應(yīng)體外CT、體外MRI 和組織切片。這為解決各種研究問題提供了許多可能。

本研究基于3D 打印的患者特異性病理切片盒，將同一骨盆腫瘤的MRI 特征與組織病理學(xué)特征相關(guān)聯(lián)。首先，薄層體外CT 圖像可作為組織學(xué)圖像和體內(nèi)MRI 圖像配準(zhǔn)的中間參考圖像?；陬I(lǐng)域特征點(diǎn)提取和匹配的的點(diǎn)云配準(zhǔn)并結(jié)合剛體變換配準(zhǔn)算法剔除錯(cuò)誤點(diǎn)對的匹配，以實(shí)現(xiàn)最佳配準(zhǔn)[17]。高細(xì)節(jié)的腫瘤標(biāo)本體外CT 圖像很容易與基于切片盒的體內(nèi)MRI 圖像進(jìn)行配準(zhǔn)，為指導(dǎo)組織學(xué)切片與體內(nèi)MRI 的非剛性配準(zhǔn)提供了一套豐富的影像特征。其次，利用高三維分辨率和對比度的CT掃描切片盒內(nèi)骨腫瘤，可以驗(yàn)證切片盒配準(zhǔn)的基本假設(shè)。再次，切片盒允許在腫瘤區(qū)域收集目標(biāo)組織樣本，這些區(qū)域在體內(nèi)表現(xiàn)出特定的特征，如不同的血流、水?dāng)U散率或脂肪含量。此外，定量MRI 技術(shù)與患者特異性3D 腫瘤病理圖像的結(jié)合為基于客觀定量成像和組織數(shù)據(jù)的放射組學(xué)、放射基因組學(xué)分析、紋理分析和機(jī)器學(xué)習(xí)算法提供了新的機(jī)會[22-24]。

本研究還具有一定的局限性。首先，研究中所設(shè)計(jì)的3D 打印病理切片盒的打印成本通常為2000 元～3000 元不等，而模型打印時(shí)間需12 ～14 h。研究相關(guān)的成本和時(shí)間會隨著3D 打印技術(shù)的進(jìn)步節(jié)省和縮短。其次，術(shù)后組織形變影響配準(zhǔn)的準(zhǔn)確性。研究所采用的圖像配準(zhǔn)方法可對領(lǐng)域特征點(diǎn)提取和匹配，并對標(biāo)本手術(shù)體積損失和軸向平面方向進(jìn)行補(bǔ)償，具有較高的準(zhǔn)確性；研究通過在MRI 圖像上顯示術(shù)后CT 圖像骨性結(jié)構(gòu)輪廓，觀察2 次配準(zhǔn)間的效果，從最大限度上減小所帶來的影響。再次，共定位研究的準(zhǔn)確性受術(shù)中的形變、組織固定后組織的變形和收縮、切片技術(shù)等諸多因素的影響。研究所探究的骨盆腫瘤中的骨組織具有天然支撐作用，可以在一定程度保證術(shù)前術(shù)后結(jié)構(gòu)的相似性。

綜上所述，本研究提出了一種依據(jù)骨盆腫瘤的CT/MRI 間圖像配準(zhǔn)的方法設(shè)計(jì)特異性3D 打印病理切片盒的解決方案，該方案可保證術(shù)前MRI 掃描方向與術(shù)后病理切片方向的一致性，從而實(shí)現(xiàn)骨盆腫瘤組織病理學(xué)信息在體內(nèi)MRI 圖像中的協(xié)同定位。研究將為術(shù)前MRI 圖像判定和骨盆腫瘤邊界準(zhǔn)確性評估提供有力工具，并隨著納入病例的增加和組織病理信息的完善，最終為揭示骨盆腫瘤邊界MRI 信號的表現(xiàn)特點(diǎn)以及腫瘤的浸潤生長狀態(tài)提供堅(jiān)實(shí)的數(shù)據(jù)支持，從而進(jìn)一步規(guī)范骨盆腫瘤診療過程，提升骨盆腫瘤患者預(yù)后。

參·考·文·獻(xiàn)

[1] 湯小東, 郭衛(wèi). 骨盆原發(fā)惡性腫瘤的切除與重建[J]. 中華外科雜志, 2008, 46(12): 904-907.

[2] Eilber FR, Grant TT, Sakai D, et al. Internal hemipelvectomy: excision of the hemipelvis with limb preservation. An alternative to hemipelvectomy[J]. Cancer, 1979, 43(3): 806-809.

[3] Jin T, Deng ZP, Liu WF, et al. Magnetic resonance imaging for the assessment of long bone tumors[J]. Chin Med J, 2017, 130(21): 2547-2550.

[4] Putta T, Gibikote S, Madhuri V, et al. Accuracy of various MRI sequences in determining the tumour margin in musculoskeletal tumours[J]. Pol J Radiol, 2016, 81: 540-548.

[5] Sundaram M, McGuire MH, Herbold DR, et al. Magnetic resonance imaging in planning limb-salvage surgery for primary malignant tumors of bone[J]. J Bone Jo Surg Am Vol, 1986, 68(6): 809-819.

[6] 喻紫晨, 肖兢, 徐海聲. 四肢骨肉瘤患者的治療及預(yù)后分析[J]. 實(shí)用癌癥雜志, 2014, 29(2): 199-201.

[7] Kim TK, Choi BI, Park SW, et al. Gadolinium mesoporphyrin as an MR imaging contrast agent in the evaluation of tumors[J]. Am J Roentgenol, 2000, 175(1): 227-234.

[8] 上官景俊, 徐文堅(jiān), 李文, 等. 骨腫瘤與瘤樣病變周圍組織影像表現(xiàn)分析[J]. 中華放射學(xué)雜志, 2011, 45(5): 463-467.

[9] 曲揚(yáng), 艾松濤, 楊飛, 等. CT 和MRI 圖像配準(zhǔn)融合聯(lián)合3D 打印技術(shù)在難治性骨盆腫瘤術(shù)前規(guī)劃中的應(yīng)用[J]. 上海交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版), 2017, 37(9): 1238-1244.

[10] 曲揚(yáng), 艾松濤, 武文, 等. 3D 打印個(gè)體化導(dǎo)板在骨腫瘤經(jīng)皮穿刺活檢中的初步應(yīng)用[J]. 上海交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版), 2018, 38(9): 1053-1058.

[11] Bastawrous S, Wake N, Levin D, et al. Principles of three-dimensional printing and clinical applications within the abdomen and pelvis[J]. Abdom Radiol, 2018, 43(10): 2809-2822.

[12] Dwivedi DK, Chatzinoff Y, Zhang Y, et al. Development of a patient-specific tumor mold using magnetic resonance imaging and 3-dimensional printing technology for targeted tissue procurement and radiomics analysis of renal masses[J]. Urology, 2018, 112: 209-214.

[13] Absinta M, Nair G, Filippi M, et al. Postmortem magnetic resonance imaging to guide the pathologic cut: individualized, 3-dimensionally printed cutting boxes for fixed brains[J]. J Neuropathol Exp Neurol, 2014, 73(8): 780-788.

[14] Trout AT, Batie MR, Gupta A, et al. 3D printed pathological sectioning boxes to facilitate radiological-pathological correlation in hepatectomy cases[J]. J Clin Pathol, 2017, 70(11): 984-987.

[15] Baldi D, Aiello M, Duggento A, et al. MR imaging-histology correlation by tailored 3D-printed slicer in oncological assessment[J]. Contrast Media Mol Imaging, 2019, 2019: 1071453.

[16] Mikhail AS, Mauda-Havakuk M, Partanen A, et al. Liver-specific 3D sectioning molds for correlating in vivo CT and MRI with tumor histopathology in woodchucks (Marmota monax)[J]. PLoS One, 2020, 15(3): e0230794.

[17] Jauer P, Kuhlemann I, Bruder R, et al. Eきcient registration of high-resolution feature enhanced point clouds[J]. IEEE Trans Pattern Anal Mach Intell, 2019, 41(5): 1102-1115.

[18] 王朝夫, 朱雄增. 第4 版WHO 骨腫瘤分類解讀[J]. 中華病理學(xué)雜志, 2013, 42(10): 652-654.

[19] Priester A, Wu H, Khoshnoodi P, et al. Registration accuracy of patient-specific, three-dimensional-printed prostate molds for correlating pathology with magnetic resonance imaging[J]. IEEE Trans Biomed Eng, 2019, 66(1): 14-22.

[20] Wu HH, Priester A, Khoshnoodi P, et al. A system using patient-specific 3D-printed molds to spatially align in vivo MRI with ex vivo MRI and wholemount histopathology for prostate cancer research[J]. J Magn Reson Imaging, 2019, 49(1): 270-279.

[21] Costa DN, Chatzinoff Y, Passoni NM, et al. Improved magnetic resonance imaging-pathology correlation with imaging-derived, 3D-printed, patientspecific whole-mount molds of the prostate[J]. Investig Radiol, 2017, 52(9): 507-513.

[22] Do BH, Langlotz C, Beaulieu CF. Bone tumor diagnosis using a na?ve Bayesian model of demographic and radiographic features[J]. J Digit Imaging, 2017, 30(5): 640-647.

[23] Huang L, Xia W, Zhang B, et al. MSFCN-multiple supervised fully convolutional networks for the osteosarcoma segmentation of CT images[J]. Comput Methods Programs Biomed, 2017, 143: 67-74.

[24] Zhang R, Huang L, Xia W, et al. Multiple supervised residual network for osteosarcoma segmentation in CT images[J]. Comput Med Imaging Graph, 2018, 63: 1-8.