术中X射线实时导丝跟踪与分割
图像与视频处理
2024-04-16 v1 计算机视觉与模式识别
机器学习
摘要
在血管内介入治疗过程中，医生必须根据可用的实时信息（如在透视图像上观察到的导丝形状和位置、触觉信息以及患者的生理信号）执行精确且即时的操作。为此，实时且精确的导丝分割与跟踪可以增强导丝的可视化，并在介入过程中以及机器人辅助介入中为医生提供视觉反馈。然而，这项任务通常伴随着挑战，即细长可变形结构在噪声透视图像序列中呈现低对比度。为了解决这些问题，本文提出了一种用于实时导丝分割与跟踪的两阶段深度学习框架。在第一阶段，使用原始X射线图像以及合成图像训练一个YOLOv5s检测器，用于输出可能目标导丝的边界框。更重要的是，引入了一个基于时空约束的细化模块，以鲁棒地定位导丝并去除误检。在第二阶段，提出了一种新颖且高效的网络，用于在每个检测到的边界框内分割导丝。该网络包含两个主要模块，即基于Hessian的增强嵌入模块和双重自注意力模块。在临床术中图像上的定量和定性评估表明，所提出的方法显著优于我们的基线方法以及当前最先进的方法，并且相比之下，对低质量图像表现出更高的鲁棒性。
引用
@article{arxiv.2404.08805,
title = {Real-time guidewire tracking and segmentation in intraoperative x-ray},
author = {Baochang Zhang and Mai Bui and Cheng Wang and Felix Bourier and Heribert Schunkert and Nassir Navab},
journal= {arXiv preprint arXiv:2404.08805},
year = {2024}
}