論文の概要: Navigate Biopsy with Ultrasound under Augmented Reality Device: Towards Higher System Performance

• arxiv url: http://arxiv.org/abs/2402.02414v1
• Date: Sun, 4 Feb 2024 09:18:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 18:45:42.845684
• Title: Navigate Biopsy with Ultrasound under Augmented Reality Device: Towards Higher System Performance
• Title（参考訳）: 拡張現実デバイスによる超音波生検:システム性能向上に向けて
• Authors: Haowei Li, Wenqing Yan, Jiasheng Zhao, Yuqi Ji, Long Qian, Hui Ding, Zhe Zhao, Guangzhi Wang
• Abstract要約: 生検は腫瘍の分類とステージングを決定する上で重要な役割を担っている。 拡張現実(AR)を使用して、外科医は実際の組織とシームレスに統合された超音波データと空間ナビゲーション情報を視覚化することができる。 この革新はより高速で正確な生検操作を促進する。
• 参考スコア（独自算出の注目度）: 11.073226452557542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Biopsies play a crucial role in determining the classification and staging of tumors. Ultrasound is frequently used in this procedure to provide real-time anatomical information. Using augmented reality (AR), surgeons can visualize ultrasound data and spatial navigation information seamlessly integrated with real tissues. This innovation facilitates faster and more precise biopsy operations. Methods: We developed an AR biopsy navigation system with low display latency and high accuracy. Ultrasound data is initially read by an image capture card and streamed to Unity via net communication. In Unity, navigation information is rendered and transmitted to the HoloLens 2 device using holographic remoting. Retro-reflective tool tracking is implemented on the HoloLens 2, enabling simultaneous tracking of the ultrasound probe and biopsy needle. Distinct navigation information is provided during in-plane and out-of-plane punctuation. To evaluate the effectiveness of our system, we conducted a study involving ten participants, for puncture accuracy and biopsy time, comparing to traditional methods. Results: Our proposed framework enables ultrasound visualization in AR with only $16.22\pm11.45ms$ additional latency. Navigation accuracy reached $1.23\pm 0.68mm$ in the image plane and $0.95\pm 0.70mm$ outside the image plane. Remarkably, the utilization of our system led to $98\%$ and $95\%$ success rate in out-of-plane and in-plane biopsy. Conclusion: To sum up, this paper introduces an AR-based ultrasound biopsy navigation system characterized by high navigation accuracy and minimal latency. The system provides distinct visualization contents during in-plane and out-of-plane operations according to their different characteristics. Use case study in this paper proved that our system can help young surgeons perform biopsy faster and more accurately.
• Abstract（参考訳）: 目的: 生検は腫瘍の分類と分類において重要な役割を担っている。 超音波はリアルタイム解剖情報を提供するために頻繁に用いられる。 拡張現実(ar)を使うことで、外科医は超音波データと空間ナビゲーション情報を実組織とシームレスに統合することができる。 この革新はより高速で正確な生検操作を促進する。 方法: 表示遅延が低く高精度なARバイオプシーナビゲーションシステムを開発した。 超音波データはまずイメージキャプチャカードで読み取り、ネット通信を介してUnityにストリームされる。 Unityでは、ナビゲーション情報がレンダリングされ、ホログラフィックリモーティングを使用してHoloLens 2デバイスに送信される。 hololens 2では、超音波プローブと生検針を同時に追跡できるレトロ反射型ツールトラッキングが実装されている。 固有ナビゲーション情報は、機内および機外句読時に提供される。 本システムの有効性を評価するため,従来の方法と比較し,穿刺精度と生検時間について10名を対象に検討を行った。 結果: 提案したフレームワークは、追加のレイテンシでわずか16.22\pm11.45msでARの超音波可視化を可能にする。 航法精度は1.23 pm 0.68mm$、0.95 pm 0.70mm$に達した。 驚くべきことに, 本システムの利用は, 面外生検および面内生検において, 98\%$および95\%$成功率をもたらした。 結論:本稿では,高いナビゲーション精度と最小レイテンシを特徴とするarベースの超音波生検ナビゲーションシステムを提案する。 このシステムは、異なる特性に応じて、面内および面外操作中に異なる可視化コンテンツを提供する。 そこで本研究では,若手外科医の生検を迅速かつ正確に行うことができることを示す。

関連論文リスト

• Patient-Specific Real-Time Segmentation in Trackerless Brain Ultrasound [35.526097492693864]
  術中超音波(iUS)画像検査は、脳外科手術の手術成績を改善する可能性がある。 しかし、その解釈は、専門家の神経外科医にとっても難しい。 本研究では,トラッカーレスiUSで脳腫瘍のセグメンテーションを行う最初の患者特異的フレームワークを設計した。
  論文  参考訳（メタデータ） (2024-05-16T10:07:30Z)
• EchoTracker: Advancing Myocardial Point Tracking in Echocardiography [0.6263680699548959]
  EchoTrackerは、超音波画像シーケンスを横切る組織表面のクエリポイントの追跡を容易にする、2倍の粗い粒度モデルである。 実験の結果、平均位置精度は67%、中央軌道誤差は2.86ピクセルである。 このことは、学習に基づく点追跡がパフォーマンスを向上し、臨床測定において高い診断と予後の値が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-05-14T13:24:51Z)
• EndoGSLAM: Real-Time Dense Reconstruction and Tracking in Endoscopic Surgeries using Gaussian Splatting [53.38166294158047]
  EndoGSLAMは鏡視下手術の効率的なアプローチであり、合理化表現と微分ガウス化を統合している。 実験の結果,EndoGSLAMは従来型あるいは神経型SLAMアプローチよりも術中可用性と再建品質のトレードオフが良好であることがわかった。
  論文  参考訳（メタデータ） (2024-03-22T11:27:43Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
  本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。 本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。 提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
  論文  参考訳（メタデータ） (2024-02-09T15:14:48Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Identifying Visible Tissue in Intraoperative Ultrasound Images during Brain Surgery: A Method and Application [1.4408275800058263]
  術中超音波検査は, 必要なビゾタクタクタブル・タスクである。 オペレーターは超音波の視点を同時にローカライズし、プローブのポーズを手動で調整する必要がある。 超音波プローブと組織接触の解析を可能にする可視組織同定法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T23:06:14Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
  本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。 その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
  論文  参考訳（メタデータ） (2021-10-12T21:22:24Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。