基于扩张 U-Net 深度学习架构的锁骨上神经超声图像自动分割
图像与视频处理
2022-08-11 v1 计算机视觉与模式识别
机器学习
摘要
医学图像中的自动目标识别可辅助医疗诊断与治疗。在本文中，我们自动分割超声图像中的锁骨上神经，以辅助注射外周神经阻滞。神经阻滞通常用于术后疼痛治疗，其中利用超声引导将局部麻醉药注射到目标神经旁。该治疗阻断疼痛信号向大脑的传导，有助于改善术后恢复率并显著减少术后阿片类药物需求。然而，超声引导区域麻醉 (UGRA) 要求麻醉医师在超声图像中目视识别实际神经位置。鉴于神经在超声图像中多样的视觉表现及其与许多邻近组织的视觉相似性，这是一项复杂任务。在本研究中，我们为 UGRA 神经阻滞治疗使用了自动神经检测系统。该系统可利用深度学习技术在超声图像中识别神经位置。我们开发了通过训练两个带跳跃连接的深度神经网络来捕获神经特征的模型：两个带与不带扩张卷积的扩展 U-Net 架构。该方案有可能改善区域麻醉中对目标神经的阻滞效果。
引用
@article{arxiv.2208.05050,
title = {Automatic Ultrasound Image Segmentation of Supraclavicular Nerve Using Dilated U-Net Deep Learning Architecture},
author = {Mizuki Miyatake and Subhash Nerella and David Simpson and Natalia Pawlowicz and Sarah Stern and Patrick Tighe and Parisa Rashidi},
journal= {arXiv preprint arXiv:2208.05050},
year = {2022}
}