用于针插入过程中针尖力估计的时空深度学习模型
图像与视频处理
2019-05-24 v1 计算机视觉与模式识别
摘要
目的。在近距离放疗或活检等许多临床应用中，针的精准放置是一项挑战。作用于针上的力会引起组织变形和针偏转，进而可能导致放置失误或损伤。因此，人们提出了多种估计针上作用力的方法。然而，将传感器集成到针尖具有挑战性，且需要仔细校准才能获得良好的力估计。方法。我们描述了一种使用单根 OCT 光纤测量的光纤针尖力传感器设计。该光纤对置于针尖下方的环氧层变形进行成像，产生一维深度剖面流。我们研究了不同的深度学习方法，以促进该时空图像数据与相关力之间的校准。特别地，我们提出了一种新颖的 convGRU-CNN 架构用于同时处理空间和时间数据。结果。通过改变环氧层的刚度，针可适配不同的工作范围。同样，可通过训练深度学习模型来调整校准。我们的新颖 convGRU-CNN 架构取得了最低的 1.59 ± 1.3 mN 平均绝对误差和 0.9997 的互相关系数，并明显优于其他方法。人体前列腺组织离体实验展示了该针的应用。结论。我们基于 OCT 的光纤传感器为针尖力估计提供了一种可行的替代方案。结果表明，显示环氧层整体变形的图像流中所包含的丰富时空信息可被深度学习模型有效利用。特别地，我们证明了 convGRU-CNN 架构表现优异，使其成为其他时空学习问题的一个有前景的方法。
引用
@article{arxiv.1905.09282,
title = {Spatio-Temporal Deep Learning Models for Tip Force Estimation During Needle Insertion},
author = {Nils Gessert and Torben Priegnitz and Thore Saathoff and Sven-Thomas Antoni and David Meyer and Moritz Franz Hamann and Klaus-Peter Jünemann and Christoph Otte and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1905.09282},
year = {2019}
}
备注
Accepted for publication in the International Journal of Computer Assisted Radiology and Surgery