利用 OCT 光纤与融合 convGRU-CNN 架构进行针尖力估计
计算机视觉与模式识别
2018-09-17 v1
摘要
针插入在活检或近距离放疗等微创介入中很常见。在软组织针插入过程中，作用于针尖的力会引起组织变形和针偏转。准确的针尖力测量可提供针-组织相互作用的信息，并有助于检测和补偿潜在的错位。为此，我们提出了一种基于图像的针尖力估计方法，利用光纤对针尖下方环氧层随时间的变形进行成像。针对校准和力估计，我们提出了一种基于深度学习的新型融合卷积 GRU-CNN 模型，其有效利用了时空数据结构。该针易于制造，且我们的模型取得了 1.76 ± 1.5 mN 的平均绝对误差和 0.9996 的互相关系数，明显优于其他方法。我们测试了不同材料的针以证明该方法可适应不同的灵敏度和力范围。此外，我们在离体前列腺针插入场景中验证了我们的方法。
引用
@article{arxiv.1805.11911,
title = {Needle Tip Force Estimation using an OCT Fiber and a Fused convGRU-CNN Architecture},
author = {Nils Gessert and Torben Priegnitz and Thore Saathoff and Sven-Thomas Antoni and David Meyer and Moritz Franz Hamann and Klaus-Peter Jünemann and Christoph Otte and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1805.11911},
year = {2018}
}
备注
Accepted for Publication at MICCAI 2018