一种利用辅助线索驱动自监督特征的X射线设备跟踪新框架
计算机视觉与模式识别
2025-01-23 v1 人工智能
摘要
为了通过血管成形术恢复阻塞冠状动脉中的正常血流，在实时透视或诊断性血管造影下准确放置导管、球囊和支架等设备至关重要。识别球囊标记有助于增强X射线序列中支架的可见性，而导管尖端则有助于精确导航和配准血管结构，从而减少血管造影中对造影剂的需求。然而，在介入性X射线序列中准确检测这些设备面临重大挑战，特别是由于造影血管和其他设备的遮挡以及周围环境的干扰，导致此类小目标跟踪失败。尽管大多数跟踪方法依赖过去与当前外观的空间相关性，但它们通常缺乏应对这些挑战条件所必需的强运动理解能力，且无法有效检测场景中的多个实例。为克服这些局限性，我们提出了一种自监督学习方法，通过在大规模数据集上结合辅助线索并在多个表示空间中进行学习，增强了其时空理解能力。随后，我们引入了一个通用的实时跟踪框架，该框架有效利用了预训练的时空网络，并兼顾了历史外观与轨迹数据。这实现了对设备标志点多个实例定位的增强。我们的方法在介入性X射线设备跟踪中优于SOTA方法，特别是在稳定性和鲁棒性方面，球囊标记检测的最大误差降低了87%，导管尖端检测的最大误差降低了61%。
引用
@article{arxiv.2501.12958,
title = {A Novel Tracking Framework for Devices in X-ray Leveraging Supplementary Cue-Driven Self-Supervised Features},
author = {Saahil Islam and Venkatesh N. Murthy and Dominik Neumann and Serkan Cimen and Puneet Sharma and Andreas Maier and Dorin Comaniciu and Florin C. Ghesu},
journal= {arXiv preprint arXiv:2501.12958},
year = {2025}
}