用于接触力感知导管的粗略采集数据集
机器人学
2021-02-04 v1
摘要
随着介入心脏病学的发展，导管消融治疗（CAT）已成为治疗心律失常的一线方案。尽管 CAT 是一种有前景的技术，但心脏病专家在手术过程中缺乏体内视野，可能导致严重的临床综合征。为支持精准临床操作，接触力感知（CFS）系统被开发出来，通过测量导管与心脏组织之间的接触力来确定导管尖端位置。然而，由于测量不准确，商用 CFS 系统的实际可用性尚未被充分理解。为支持更准确系统的开发，我们构建了一套完整的 CFS 系统流程，并通过以最简硬件形式的接触力感知导管新采集的基准数据集来实现。我们的数据集在采集时加入了人为噪声以增加数据多样性。通过对数据集的分析，我们确定了一个被称为参考偏移（SoR）的问题，它阻碍了接触力的准确测量。为克服该问题，我们使用标准深度神经网络（包括循环神经网络（RNN）、全卷积网络（FCN）和 Transformer）进行接触力估计。RNN、FCN 和 Transformer 的测量平均误差分别为 2.46g、3.03g 和 3.01g。通过这些研究，我们试图为未来的 CFS 系统研究奠定基础、提供性能标准，并公开一个公开可用的数据集。
引用
@article{arxiv.2102.01932,
title = {Roughly Collected Dataset for Contact Force Sensing Catheter},
author = {Seunghyuk Cho and Minsoo Koo and Dongwoo Kim and Juyong Lee and Yeonwoo Jung and Kibyung Nam and Changmo Hwang},
journal= {arXiv preprint arXiv:2102.01932},
year = {2021}
}
备注
7 pages, 6 figures