X 线透视中基于标志点的鲁棒支架追踪
计算机视觉与模式识别
2022-07-25 v3 机器学习
摘要
在血管成形术（即开通堵塞的冠状动脉）的临床操作中，球囊和支架等器械需在 X 线透视引导下于动脉内放置并扩张。受 X 线剂量限制，所得图像常含噪声。为检查器械放置是否正确，通常将多帧运动补偿图像平均以增强视野，因此器械追踪是必要步骤。尽管血管成形器械设计有射线可透标志点以便于追踪，现有方法因标志点尺寸小及场景复杂而难以给出满意结果。本文提出一种用于单支架追踪的端到端深度学习框架，由三个层次化模块组成：基于 U-Net 的标志点检测、基于 ResNet 的支架提议与特征提取，以及基于图卷积神经网络（GCN）的支架追踪（时间上聚合空间信息与外观特征）。实验表明，与 SOTA 基于点的追踪模型相比，本方法检测性能显著更优，且推理速度快，满足临床要求。
引用
@article{arxiv.2207.09933,
title = {Robust Landmark-based Stent Tracking in X-ray Fluoroscopy},
author = {Luojie Huang and Yikang Liu and Li Chen and Eric Z. Chen and Xiao Chen and Shanhui Sun},
journal= {arXiv preprint arXiv:2207.09933},
year = {2022}
}
备注
Accepted by ECCV 2022