基于稀疏导管路径的神经网络左心房重建
图像与视频处理
2023-11-07 v1 计算机视觉与模式识别
摘要
基于导管的射频消融进行肺静脉隔离近年来已成为心房颤动的一线治疗。这需要相当准确的左心房心内膜下表面（包括肺静脉口）地图，需要对表面进行密集采样且耗时超过 10 分钟。本工作的重点是在手术早期提供左心房可视化，以降低手术复杂度并支持进一步流程，例如使用难以对表面采样的导管。我们提出了一种带有新颖正则化项的稠密编码器-解码器网络，从由简单导管操作得到的局部数据重建左心房形状。为训练网络，我们获取了大量 3D 心房形状数据集并生成相应的导管轨迹。训练后，我们表明所提网络能基于给定轨迹充分近似心房形状。我们比较了多种用于 3D 心房重建的网络方案。我们证明所提方案能在 3 分钟时间窗内利用局部采集生成真实的可视化。文中给出了合成及人类临床病例。
引用
@article{arxiv.2311.02488,
title = {Neural Network Reconstruction of the Left Atrium using Sparse Catheter Paths},
author = {Alon Baram and Moshe Safran and Tomer Noy and Naveh Geri and Hayit Greenspan},
journal= {arXiv preprint arXiv:2311.02488},
year = {2023}
}
备注
15 pages, 15 figures