FocalErrorNet：用于超声引导神经外科手术中跨模态配准误差估计的不确定性感知焦点调制网络
图像与视频处理
2023-07-28 v1 计算机视觉与模式识别
摘要
在脑肿瘤切除中，准确切除癌变组织同时保留功能区对治疗的安全性和疗效至关重要。然而，术中组织形变（称为脑移位）会使手术目标发生移动，并使术前计划失效。术中超声（iUS）已被采用以提供实时图像来追踪脑移位，而跨模态（即 MRI-iUS）配准常用于更新术前计划。术中配准结果的质量控制对避免不良后果十分重要，但由于三维可视化困难以及 iUS 低对比度，人工验证面临巨大挑战。亟需自动算法来解决此问题，但此前极少有人尝试。因此，我们提出了一种基于三维焦点调制并结合不确定性估计的新型深度学习技术，用于准确评估脑肿瘤手术的 MRI-iUS 配准误差。利用公开 RESECT 临床数据库开发与验证，所得算法的估计误差可达 0.59±0.57 mm。
引用
@article{arxiv.2307.14520,
title = {FocalErrorNet: Uncertainty-aware focal modulation network for inter-modal registration error estimation in ultrasound-guided neurosurgery},
author = {Soorena Salari and Amirhossein Rasoulian and Hassan Rivaz and Yiming Xiao},
journal= {arXiv preprint arXiv:2307.14520},
year = {2023}
}
备注
Accepted in MICCAI 2023