AiAReSeg:基于变换器的介入式超声导管检测与分割
图像与视频处理
2023-09-27 v1 计算机视觉与模式识别
机器人学
摘要
迄今,血管内手术以透视(Fluoroscopy)为金标准,其利用电离辐射显影导管与血管。 prolonged 透视暴露对患者与临床医生有害,并可能导致诸如癌症发生等严重术后后遗症。同时,介入式超声因其众所周知的小空间占用、快速数据采集与更高组织对比度图像等优势而日益普及。然而,超声图像难以解读,且难以在其中定位血管、导管与导丝。本工作提出一种方案,适配最先进的机器学习变换器架构以在轴位介入式超声图像序列中检测并分割导管。该网络架构受注意力内注意力(Attention in Attention)机制、时序跟踪网络启发,并引入一个跨时间执行 3D 反卷积的新型 3D 分割头。为便利此类深度学习网络训练,我们引入一个新的数据合成流水线,其使用基于物理的导管插入仿真,以及卷积光线投射超声模拟器来生成血管内介入的合成超声图像。所提方法在留出验证集上得到验证,从而展示出对超声噪声与广扫描角度的稳健性。其亦在硅基主动脉 phantom 上采集的数据上测试,从而展示其从仿真到真实(sim-to-real)转化的潜力。本工作代表着利用介入式超声实现更安全高效血管内手术的重要一步。
引用
@article{arxiv.2309.14492,
title = {AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers},
author = {Alex Ranne and Yordanka Velikova and Nassir Navab and Ferdinando Rodriguez y Baena},
journal= {arXiv preprint arXiv:2309.14492},
year = {2023}
}
备注
This work has been submitted to the IEEE for possible publication