論文の概要: Guidance for Intra-cardiac Echocardiography Manipulation to Maintain Continuous Therapy Device Tip Visibility

• arxiv url: http://arxiv.org/abs/2505.05518v1
• Date: Thu, 08 May 2025 02:48:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.011288
• Title: Guidance for Intra-cardiac Echocardiography Manipulation to Maintain Continuous Therapy Device Tip Visibility
• Title（参考訳）: 心内エコーによる連続治療装置の視認性維持
• Authors: Jaeyoung Huh, Ankur Kapoor, Young-Ho Kim,
• Abstract要約: 心内心エコー法(ICE)は電気生理学(EP)と構造心疾患(SHD)の介入において重要な役割を担っている。 治療器具先端の連続的な視認性を維持することは、手動ICEカテーテル操作に必要な頻繁な調整のため、依然として課題である。 本稿では,デバイス先端入射角とICE撮像面内の通過点を推定するAI駆動追跡モデルを提案する。
• 参考スコア（独自算出の注目度）: 7.208458407211938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intra-cardiac Echocardiography (ICE) plays a critical role in Electrophysiology (EP) and Structural Heart Disease (SHD) interventions by providing real-time visualization of intracardiac structures. However, maintaining continuous visibility of the therapy device tip remains a challenge due to frequent adjustments required during manual ICE catheter manipulation. To address this, we propose an AI-driven tracking model that estimates the device tip incident angle and passing point within the ICE imaging plane, ensuring continuous visibility and facilitating robotic ICE catheter control. A key innovation of our approach is the hybrid dataset generation strategy, which combines clinical ICE sequences with synthetic data augmentation to enhance model robustness. We collected ICE images in a water chamber setup, equipping both the ICE catheter and device tip with electromagnetic (EM) sensors to establish precise ground-truth locations. Synthetic sequences were created by overlaying catheter tips onto real ICE images, preserving motion continuity while simulating diverse anatomical scenarios. The final dataset consists of 5,698 ICE-tip image pairs, ensuring comprehensive training coverage. Our model architecture integrates a pretrained ultrasound (US) foundation model, trained on 37.4M echocardiography images, for feature extraction. A transformer-based network processes sequential ICE frames, leveraging historical passing points and incident angles to improve prediction accuracy. Experimental results demonstrate that our method achieves 3.32 degree entry angle error, 12.76 degree rotation angle error. This AI-driven framework lays the foundation for real-time robotic ICE catheter adjustments, minimizing operator workload while ensuring consistent therapy device visibility. Future work will focus on expanding clinical datasets to further enhance model generalization.
• Abstract（参考訳）: 心内エコー法(ICE)は、心内構造をリアルタイムに可視化することにより、電気生理学(EP)と構造心疾患(SHD)の介入において重要な役割を果たす。 しかし, 治療器具先端の連続的な視認性維持は, 手動ICEカテーテル操作時に頻繁に調整する必要があるため, 依然として課題である。 そこで我々は,デバイス先端入射角とICE撮像面内の通過点を推定し,連続的な可視性を確保し,ICEカテーテルの制御を容易にするAI駆動追跡モデルを提案する。 提案手法の重要な革新は,臨床用ICEシーケンスと合成データ拡張を組み合わせてモデルロバスト性を高めるハイブリッドデータセット生成戦略である。 我々は、ICEカテーテルとデバイスチップの両方に電磁式(EM)センサーを装着し、正確な接地位置を確立するため、水室でICE画像を収集した。 合成シーケンスは、カテーテルの先端を実際のICE画像にオーバーレイし、さまざまな解剖学的シナリオをシミュレートしながら動きの連続性を保った。 最終データセットは5,698個のICEチップイメージペアで構成され、包括的なトレーニングカバレッジを保証する。 我々のモデルアーキテクチャは,37.4M心エコー画像に基づいて訓練された事前訓練超音波(US)基礎モデルを統合し,特徴抽出を行う。 トランスフォーマーベースのネットワークはシーケンシャルICEフレームを処理し、過去のパスポイントとインシデントアングルを活用して予測精度を向上させる。 実験の結果,3.32度の入射角誤差,12.76度の回転角誤差が得られた。 このAI駆動のフレームワークは、リアルタイムのロボットICEカテーテル調整の基礎を築き、オペレーターの作業量を最小化し、一貫した治療装置の可視性を確保する。 今後は、モデル一般化をさらに強化するために、臨床データセットの拡充に注力する。

関連論文リスト

• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• AI-driven View Guidance System in Intra-cardiac Echocardiography Imaging [7.074445406436684]
  心内心エコー法(ICE)は、電気生理学(EP)と構造心疾患(SHD)の介入において重要な画像モダリティである。 本稿では,人間によるループ内フィードバックを伴う連続閉ループで動作するAI駆動型ビューガイダンスシステムを提案する。
  論文  参考訳（メタデータ） (2024-09-25T13:08:10Z)
• 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)
• 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)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• Towards Automatic Manipulation of Intra-cardiac Echocardiography Catheter [10.926275815044182]
  心内心エコー法(ICE)は、電気生理学的および構造的心臓介入を導くための強力な画像モダリティである。 本稿では,ICEカテーテル用ロボットマニピュレータについて,画像診断とプロシージャ自動化のプロセス開発のためのプラットフォームとして機能する。
  論文  参考訳（メタデータ） (2020-09-12T20:14:49Z)

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。