使用单一深度学习网络对荧光透视图像与视频进行图像处理和分割的自动化实时方法
图像与视频处理
2024-05-28 v2 计算机视觉与模式识别
摘要
全膝关节置换术中的图像分割对于精确的术前规划和准确的植入物定位至关重要，有助于改善手术效果和提高患者满意度。全膝关节置换术中图像分割面临的最大挑战包括准确描绘复杂的解剖结构、处理图像伪影和噪声，以及开发能够处理患者中常见的解剖变异和病理的鲁棒算法。在全膝关节置换术中使用机器学习进行图像分割的潜力在于其能够提高分割精度、实现流程自动化并为外科医生提供实时辅助，从而增强手术规划、植入物放置和患者预后。本文提出了一种利用深度学习进行鲁棒且实时的全膝关节置换术图像分割的方法。该深度学习模型在大规模数据集上进行了训练，在准确分割植入的股骨和胫骨方面表现出色，与真实标注相比，实现了 88.83 的出色平均精度均值，同时实现了 20 帧每秒的实时分割速度。我们引入了一种用于分割植入式膝关节荧光透视或 X 射线图像的新颖方法，展示了极高的准确度和速度，为各种潜在的扩展应用铺平了道路。
引用
@article{arxiv.2401.12488,
title = {An Automated Real-Time Approach for Image Processing and Segmentation of Fluoroscopic Images and Videos Using a Single Deep Learning Network},
author = {Viet Dung Nguyen and Michael T. LaCour and Richard D. Komistek},
journal= {arXiv preprint arXiv:2401.12488},
year = {2024}
}