基于 bronchoscopy 的自动化视觉辅助工具：狭窄程度估计
计算机视觉与模式识别
2025-05-09 v1
摘要
目的：亚气管狭窄指的是亚气管（声带和气管之间）的狭窄，其严重程度通常通过估计阻塞气道的百分比来评估。这一估计可通过 CT 数据获取，或通过专家探索该区域进行视觉检查获得。然而，视觉检查本质上具有主观性，导致诊断结果不够一致和稳健。目前没有可供公开使用的自动化方法或数据集来评估此条件的 bronchoscopy 视频。方法：我们提出了一种在 bronchoscopy 探索期间自动估计亚气管狭窄程度的管线，无需医生遍历狭窄区域。我们的方案利用内窥镜照明下降的物理效应来分割和跟踪气管腔，并获取气道的 3D 模型。该 3D 模型仅由单帧图像获取，用于测量气道狭窄。结果：我们的管线是首个能够使用 bronchoscopy 图像实现自动化和稳健的亚气管狭窄程度测量的方法。结果表明，结果与 CT 扫描和专家估计一致，并在同一患者的多个估计之间表现出可靠的可重复性。我们的评估是在我们新的亚气管狭窄数据集上完成的，该数据集包含真实 bronchoscopy 程序数据。结论：我们展示了如何仅使用 bronchoscopy 自动评估亚气管狭窄程度。我们的方案可辅助缩短诊断和监测程序，实现自动化和可重复的估计，减少探索时间，并节省对患者的辐射暴露，因为无需进行 CT 扫描。此外，我们发布了首个亚气管狭窄程度评估的公开基准。
关键词
引用
@article{arxiv.2505.05136,
title = {Automated vision-based assistance tools in bronchoscopy: stenosis severity estimation},
author = {Clara Tomasini and Javier Rodriguez-Puigvert and Dinora Polanco and Manuel Viñuales and Luis Riazuelo and Ana Cristina Murillo},
journal= {arXiv preprint arXiv:2505.05136},
year = {2025}
}