VibNet：基于振动增强的超声图像针检测
图像与视频处理
2025-02-27 v2 计算机视觉与模式识别
摘要
精确的经皮穿刺针检测对于超声（US）引导下的介入操作至关重要。然而，固有的局限性，如斑点噪声、针状伪影和低分辨率，使得鲁棒地检测针变得困难，尤其是在其可见度降低或不可察觉时。为了应对这一挑战，我们提出了 VibNet，一个基于学习的框架，旨在通过利用施加在针杆上的外部周期性振动来增强超声图像中针检测的鲁棒性和准确性。VibNet 集成了神经短时傅里叶变换和霍夫变换模块，以实现连续的子目标，包括时空空间中的运动特征提取、频域特征聚合以及霍夫空间中的针检测。由于周期性的细微振动，频域中的特征比图像强度域中的特征更鲁棒，这使得 VibNet 比传统的基于强度的方法更有效。为了证明 VibNet 的有效性，我们在不同的离体猪和牛组织样本上进行了实验。在猪样本上获得的结果表明，即使针的可见度严重降低，VibNet 也能有效检测针，其针尖误差为 1.61±1.56 mm，相比之下 UNet 为 8.15±9.98 mm，WNet 为 6.63±7.58 mm；针方向误差为 1.64±1.86°，相比之下 UNet 为 9.29±15.30°，WNet 为 8.54±17.92°。代码：https://github.com/marslicy/VibNet。
引用
@article{arxiv.2403.14523,
title = {VibNet: Vibration-Boosted Needle Detection in Ultrasound Images},
author = {Dianye Huang and Chenyang Li and Angelos Karlas and Xiangyu Chu and K. W. Samuel Au and Nassir Navab and Zhongliang Jiang},
journal= {arXiv preprint arXiv:2403.14523},
year = {2025}
}
备注
Accepted by IEEE TMI