基于自监督对比学习与光学相干断层扫描的针插入组织分类
图像与视频处理
2023-04-27 v1 计算机视觉与模式识别
摘要
针定位对于硬膜外麻醉等多种医疗应用至关重要。医师在硬膜外间隙中导航针头时依赖其直觉。因此，识别组织结构可能有助于医师，因为它们可在针插入过程中提供额外反馈。为此，我们提出一种深度神经网络，从针尖获取的复杂 OCT 信号的相位与强度数据中对组织进行分类。我们研究了深度神经网络在有限标记数据集场景下的性能，并提出一种新颖的对比预训练策略，学习相位与强度数据的不变表示。我们表明，在仅使用 10% 训练集时，我们所提出的预训练策略使模型达到 0.84 的 F1 分数，而无该策略时模型仅达 0.60 的 F1 分数。此外，我们分析了相位与强度各自对组织分类的重要性。
引用
@article{arxiv.2304.13574,
title = {Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography},
author = {Debayan Bhattacharya and Sarah Latus and Finn Behrendt and Florin Thimm and Dennis Eggert and Christian Betz and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2304.13574},
year = {2023}
}