无追踪器脑超声的患者专用实时分割

Reuben Dorent; Erickson Torio; Nazim Haouchine; Colin Galvin; Sarah Frisken; Alexandra Golby; Tina Kapur; William Wells

无追踪器脑超声的患者专用实时分割

图像与视频处理 2024-05-17 v1 计算机视觉与模式识别

作者: Reuben Dorent , Erickson Torio , Nazim Haouchine , Colin Galvin , Sarah Frisken , Alexandra Golby , Tina Kapur , William Wells

在 arXiv 上查看 ↗ PDF ↗

摘要

内手术超声（iUS）成像有望提高脑手术的疗效。然而，即使是专科神经外科医生，也难以解读其中的图像。本文设计了首个在无追踪器脑超声上进行脑肿瘤分割的患者专用框架。为消除超声成像的歧义并适应神经外科医生的手术目标，我们采用通过在术前MR数据中模拟虚拟iUS扫掠获取来生成的合成超声数据，对患者专用实时网络进行训练。在真实超声数据上的大量实验表明，所提出方法的有效性，使其能够适应外科医生对手术靶点的定义，并优于非患者专用模型、神经外科专家以及高端追踪系统。我们的代码已公开：https://github.com/ReubenDo/MHVAE-Seg

关键词

内手术超声脑肿瘤分割患者专用实时网络无追踪器

引用

@article{arxiv.2405.09959,
  title  = {Patient-Specific Real-Time Segmentation in Trackerless Brain Ultrasound},
  author = {Reuben Dorent and Erickson Torio and Nazim Haouchine and Colin Galvin and Sarah Frisken and Alexandra Golby and Tina Kapur and William Wells},
  journal= {arXiv preprint arXiv:2405.09959},
  year   = {2024}
}

备注

Early accept at MICCAI 2024 - code available at: https://github.com/ReubenDo/MHVAE-Seg

无追踪器脑超声的患者专用实时分割

摘要

关键词

引用

备注

相关论文