論文の概要: Real-time guidewire tracking and segmentation in intraoperative x-ray

• arxiv url: http://arxiv.org/abs/2404.08805v1
• Date: Fri, 12 Apr 2024 20:39:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 18:42:32.667845
• Title: Real-time guidewire tracking and segmentation in intraoperative x-ray
• Title（参考訳）: 術中X線におけるリアルタイムガイドワイヤ追跡とセグメンテーション
• Authors: Baochang Zhang, Mai Bui, Cheng Wang, Felix Bourier, Heribert Schunkert, Nassir Navab,
• Abstract要約: リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
• 参考スコア（独自算出の注目度）: 52.51797358201872
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: During endovascular interventions, physicians have to perform accurate and immediate operations based on the available real-time information, such as the shape and position of guidewires observed on the fluoroscopic images, haptic information and the patients' physiological signals. For this purpose, real-time and accurate guidewire segmentation and tracking can enhance the visualization of guidewires and provide visual feedback for physicians during the intervention as well as for robot-assisted interventions. Nevertheless, this task often comes with the challenge of elongated deformable structures that present themselves with low contrast in the noisy fluoroscopic image sequences. To address these issues, a two-stage deep learning framework for real-time guidewire segmentation and tracking is proposed. In the first stage, a Yolov5s detector is trained, using the original X-ray images as well as synthetic ones, which is employed to output the bounding boxes of possible target guidewires. More importantly, a refinement module based on spatiotemporal constraints is incorporated to robustly localize the guidewire and remove false detections. In the second stage, a novel and efficient network is proposed to segment the guidewire in each detected bounding box. The network contains two major modules, namely a hessian-based enhancement embedding module and a dual self-attention module. Quantitative and qualitative evaluations on clinical intra-operative images demonstrate that the proposed approach significantly outperforms our baselines as well as the current state of the art and, in comparison, shows higher robustness to low quality images.
• Abstract（参考訳）: 血管内手術中、医師は、蛍光画像、触覚情報、および患者の生理的信号で観察されるガイドワイヤの形状や位置など、利用可能なリアルタイム情報に基づいて正確な即時手術を行う必要がある。 この目的のために、リアルタイムかつ正確なガイドワイヤセグメンテーションとトラッキングは、ガイドワイヤの可視化を強化し、介入中の医師やロボットによる介入に対する視覚的フィードバックを提供する。 しかしながら、この課題は、しばしば、ノイズのフルオロスコープ画像列において、低コントラストで現れる長めの変形可能な構造に挑戦する。 これらの課題に対処するために、リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 最初の段階では、元のX線画像と合成画像を使ってヨーロフ5s検出器を訓練し、ターゲットのガイドワイヤのバウンディングボックスを出力する。 さらに、時空間制約に基づく改良モジュールが組み込まれ、ガイドワイヤのロバストなローカライズと誤検出の除去を行う。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。 このネットワークは2つの主要なモジュール、すなわちヘシアンベースの拡張埋め込みモジュールと二重自己保持モジュールを含んでいる。 術中画像の定量的および質的評価により,提案手法は術中ベースラインと現状を著しく上回り,低画質画像に対して高いロバスト性を示した。

関連論文リスト

• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• Auxiliary Input in Training: Incorporating Catheter Features into Deep Learning Models for ECG-Free Dynamic Coronary Roadmapping [17.461510586128874]
  ダイナミック冠のロードマップ作成は、X線アンギオグラフィーのオフライン画像シーケンスから抽出した血管マップ(「ロードマップ」)をリアルタイムでX線フルオロスコープのライブストリームにオーバーレイする技術である。 コントラスト剤注入の繰り返しを必要とせず、介入手術のナビゲーションガイダンスを提供することを目標とし、放射線曝露や腎不全に伴うリスクを低減することを目的としている。
  論文  参考訳（メタデータ） (2024-08-28T17:05:38Z)
• CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
  本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。 医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
  論文  参考訳（メタデータ） (2024-08-20T13:21:57Z)
• 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)
• 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)
• ConTrack: Contextual Transformer for Device Tracking in X-ray [13.788670026481324]
  ConTrackはトランスフォーマーベースのネットワークで、空間的および時間的コンテキスト情報の両方を使って正確なデバイス検出と追跡を行う。 本手法は,最先端追跡モデルと比較して,検出と追跡の精度が45%以上向上する。
  論文  参考訳（メタデータ） (2023-07-14T14:20:09Z)
• 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)
• Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
  単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。 U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。 実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
  論文  参考訳（メタデータ） (2022-07-20T14:20:03Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)

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。