基于机器学习的结肠形变估计方法用于结肠镜跟踪
计算机视觉与模式识别
2018-06-11 v1
摘要
本文提出一种结肠形变估计方法，可用于估计结肠镜插入过程中的结肠形变。在结肠镜插入过程中，为引导医生到达息肉位置，需要结肠镜跟踪或导航系统以减少结肠穿孔等并发症。先前的结肠镜跟踪方法通过配准结肠镜形状与结肠形状来获取结肠镜在结肠内的位置。结肠镜形状由电磁传感器获取，结肠形状由CT体数据获取。然而，由于结肠镜插入过程中发生的结肠形变，观测到了较大的跟踪误差。此类形变使得配准困难。由于结肠形变由结肠镜引起，结肠形变与结肠镜形状之间存在强关联。为减小跟踪误差，需要一种估计结肠镜插入过程中所发生的结肠形变的方法。我们提出了一种结肠形变估计方法。该方法用于从结肠镜形状估计形变后的结肠形状。我们使用回归森林（regression forests）算法来估计形变后的结肠形状。回归森林算法使用包含结肠镜插入过程中所发生形变的结肠与结肠镜形状对进行训练。作为初步研究，我们利用该方法估计结肠模型的形变。在实验中，所提方法正确估计了形变的结肠模型形状。
引用
@article{arxiv.1806.03014,
title = {Machine learning-based colon deformation estimation method for colonoscope tracking},
author = {Masahiro Oda 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:1806.03014},
year = {2018}
}
备注
Accepted paper for oral presentation at SPIE Medical Imaging 2018, Houston, TX, USA