X 射线荧光透视中全自动化实时导管分割
计算机视觉与模式识别
2017-07-18 v1
摘要
用 3D 路线图增强 X 射线成像以改善引导是一种常见策略。此类方法受益于 X 射线图像的自动化分析，例如仪器的自动检测与跟踪。在本文中，我们提出一种实时方法，用于在 2D X 射线荧光透视序列中分割导管和导丝。该方法基于深度卷积神经网络。网络以当前图像和前三个图像作为输入，并分割当前图像中的导管和导丝。随后，从分割图像构建导管的中心线模型。使用一小组标注数据结合数据增强来训练网络。我们在来自 23 个不同介入手术的 182 个 X 射线序列的图像上训练该方法。在一个包含来自其他 5 个介入手术的 55 个 X 射线序列图像的测试集上，获得了 0.2 mm 的中位中心线距离误差和 0.9 mm 的中位尖端距离误差。2D X 射线序列中仪器的分割以实时全自动方式执行。
引用
@article{arxiv.1707.05137,
title = {Fully Automatic and Real-Time Catheter Segmentation in X-Ray Fluoroscopy},
author = {Pierre Ambrosini and Daniel Ruijters and Wiro J. Niessen and Adriaan Moelker and Theo van Walsum},
journal= {arXiv preprint arXiv:1707.05137},
year = {2017}
}
备注
Accepted to MICCAI 2017