基于原始光谱 OCT 数据深度学习的针尖力估计
图像与视频处理
2020-08-07 v1 计算机视觉与模式识别
摘要
目的。针穿刺定位在活检或近距离放射治疗等应用中是一个具有挑战性的问题。针尖力感知可为组织内针导航提供有价值的反馈。为此，光纤传感器可直接集成于针尖。光学相干断层扫描（OCT）可用于组织成像。本文中，我们研究如何标定 OCT 以感知力，例如在机器人针穿刺过程中。方法。我们探究使用未经典型图像重建的原始光谱 OCT 数据是否能改进基于深度学习的光学信号与力之间的标定。为此，我们考虑三种具有新型更鲁棒设计的针，并使用卷积神经网络（CNNs）进行标定。我们比较了以原始 OCT 信号与重建深度剖面训练 CNNs 的情况。结果。我们发现，将原始数据作为最大 CNN 模型的输入优于使用重建数据，其平均绝对误差为 5.81 mN，而重建数据为 8.04 mN。结论。我们发现，使用原始光谱 OCT 数据的深度学习可改进力估计任务的学习。我们的针设计与标定方法构成了一种非常精确的针尖测力光纤传感器。
引用
@article{arxiv.2006.16675,
title = {Needle tip force estimation by deep learning from raw spectral OCT data},
author = {M. Gromniak and N. Gessert and T. Saathoff and A. Schlaefer},
journal= {arXiv preprint arXiv:2006.16675},
year = {2020}
}
备注
Accepted for publication in IJCARS