論文の概要: Pose Estimation for Intra-cardiac Echocardiography Catheter via AI-Based Anatomical Understanding

• arxiv url: http://arxiv.org/abs/2505.07851v1
• Date: Wed, 07 May 2025 21:09:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.221213
• Title: Pose Estimation for Intra-cardiac Echocardiography Catheter via AI-Based Anatomical Understanding
• Title（参考訳）: 心内エコーカテーテルのAIによる解剖学的理解によるポス推定
• 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。 既存の航法は電磁(EM)追跡に依存しており、干渉や位置のドリフトの影響を受けやすい。 本稿では,ICE画像のみからICEカテーテルの位置と向きを推定する新しい解剖学的ポーズ推定システムを提案する。
• 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 crucial role in Electrophysiology (EP) and Structural Heart Disease (SHD) interventions by providing high-resolution, real-time imaging of cardiac structures. However, existing navigation methods rely on electromagnetic (EM) tracking, which is susceptible to interference and position drift, or require manual adjustments based on operator expertise. To overcome these limitations, we propose a novel anatomy-aware pose estimation system that determines the ICE catheter position and orientation solely from ICE images, eliminating the need for external tracking sensors. Our approach leverages a Vision Transformer (ViT)-based deep learning model, which captures spatial relationships between ICE images and anatomical structures. The model is trained on a clinically acquired dataset of 851 subjects, including ICE images paired with position and orientation labels normalized to the left atrium (LA) mesh. ICE images are patchified into 16x16 embeddings and processed through a transformer network, where a [CLS] token independently predicts position and orientation via separate linear layers. The model is optimized using a Mean Squared Error (MSE) loss function, balancing positional and orientational accuracy. Experimental results demonstrate an average positional error of 9.48 mm and orientation errors of (16.13 deg, 8.98 deg, 10.47 deg) across x, y, and z axes, confirming the model accuracy. Qualitative assessments further validate alignment between predicted and target views within 3D cardiac meshes. This AI-driven system enhances procedural efficiency, reduces operator workload, and enables real-time ICE catheter localization for tracking-free procedures. The proposed method can function independently or complement existing mapping systems like CARTO, offering a transformative approach to ICE-guided interventions.
• Abstract（参考訳）: 心内心エコー法(ICE)は心電生理学(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。 しかし、既存のナビゲーション手法は電磁的(EM)トラッキングに依存しており、干渉や位置のドリフトの影響を受けやすいか、オペレーターの専門知識に基づいて手動で調整する必要がある。 これらの制約を克服するために,ICE画像のみからICEカテーテルの位置と向きを判断し,外部追跡センサを不要とした新しい解剖学的ポーズ推定システムを提案する。 提案手法はビジョントランスフォーマー(ViT)に基づく深層学習モデルを用いて,ICE画像と解剖学的構造との間の空間的関係をキャプチャする。 このモデルは、左心房(LA)メッシュに正規化された位置ラベルと向きラベルを組み合わせたICE画像を含む、臨床に取得した851人の被験者のデータセットに基づいて訓練される。 ICEイメージは16x16の埋め込みにパッチされ、トランスフォーマーネットワークを介して処理される。 このモデルは平均二乗誤差(MSE)損失関数を用いて最適化され、位置と向きの精度のバランスをとる。 実験の結果、平均位置誤差は9.48mm、方向誤差は16.13deg、8.98deg、10.47deg)で、x、y、z軸にまたがってモデルの精度が確かめられた。 定性的評価は、3次元心メッシュ内の予測ビューと目標ビューのアライメントをさらに検証する。 このAI駆動システムは、手続き効率を高め、オペレータの作業負荷を低減し、トラッキング不要なプロシージャに対するリアルタイムICEカテーテルのローカライゼーションを可能にする。 提案手法は独立して機能し,CARTOのような既存のマッピングシステムを補完し,ICE誘導による介入に対するトランスフォーメーションアプローチを提供する。

関連論文リスト

• Guidance for Intra-cardiac Echocardiography Manipulation to Maintain Continuous Therapy Device Tip Visibility [7.208458407211938]
  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。
  論文  参考訳（メタデータ） (2025-05-08T02:48:30Z)
• 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)
• Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
  静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。 第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。 第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
  論文  参考訳（メタデータ） (2023-05-05T13:42:19Z)
• Live image-based neurosurgical guidance and roadmap generation using unsupervised embedding [53.992124594124896]
  本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。 生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。 166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
  論文  参考訳（メタデータ） (2023-03-31T12:52:24Z)
• 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)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。