基于循环神经网络的结肠镜跟踪用结肠形状估计方法
计算机视觉与模式识别
2020-04-29 v1
摘要
我们提出一种使用循环神经网络（RNN）估计因结肠镜插入而发生变形的结肠形状的方法。为了减少结肠穿孔等并发症，需要结肠镜跟踪或引导医生到达息肉位置的导航系统。以往的跟踪方法在横结肠和乙状结肠处产生较大跟踪误差，因为这些区域在结肠镜插入过程中会发生大幅变形。跟踪过程应考虑结肠变形。我们提出一种使用RNN的结肠变形估计方法，并在结肠镜插入结肠过程中从电磁传感器获取结肠镜形状。该方法从结肠镜形状中获取位置、方向以及插入长度。从其形状中，我们还计算表示结肠镜上两点之间位置和方向关系的相对特征。使用长短期记忆（LSTM）根据结肠镜形状特征的过去变化估计当前结肠形状。我们在体模研究中进行了结肠形状估计，并以12.39（mm）的估计误差正确估计了结肠镜插入过程中的结肠形状。
引用
@article{arxiv.2004.13629,
title = {Colon Shape Estimation Method for Colonoscope Tracking using Recurrent Neural Networks},
author = {Masahiro Oda and Holger R. Roth and Takayuki Kitasaka and Kazuhiro Furukawa and Ryoji Miyahara and Yoshiki Hirooka and Hidemi Goto and Nassir Navab and Kensaku Mori},
journal= {arXiv preprint arXiv:2004.13629},
year = {2020}
}
备注
Accepted paper as a poster presentation at MICCAI 2018 (International Conference on Medical Image Computing and Computer-Assisted Intervention), Granada, Spain