深度学习in vivo用于光声指导心脏干预的导管尖端位置
Mardava R Gubbi1, Fabrizio Assis2, Jonathan Chrispin2
1Johns Hopkins University, Department of Electrical and Computer Engineering, Baltimore, Maryland, United States.
Journal of biomedical optics
|December 11, 2023
概括
这项研究引入了一种新的卷积神经网络,可以使用光声成像准确检测和定位导管尖端,从而减少心脏手术中的辐射风险. 该方法在模拟和现实心脏成像场景中都显示出高精度.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 心血管干预 心血管干预
背景情况:
- 干预性心脏手术使用电离辐射,对患者构成风险.
- 光声学成像为减少辐射暴露提供了一个潜在的替代方案.
- 目前的方法由于人工制造物而扎于导管尖端细分.
研究的目的:
- 开发和验证一个卷积神经网络,用光声成像检测和定位导管尖端.
- 提高心脏手术中导管尖部位定位的准确性和可靠性.
- 为了实现更安全,无辐射的干预心脏病学和电生理学.
主要方法:
- 一个卷积神经网络被设计和定制用于光声信号检测.
- 该网络使用模拟的光声学数据建模导管尖端进行训练.
- 验证和测试是在模拟,体外和体内猪心脏数据上进行的.
主要成果:
- 该网络实现了高性能指标,包括模拟数据的F1得分为98.3%.
- 在ex vivo和in vivo测试中观察到优异的局部精度,误差低于传感器分辨率.
- 该系统在现实数据中表现出强大的性能,F1得分高达100.0%.
结论:
- 拟议的卷积神经网络有效地检测和定位来自导管尖端的光声信号.
- 这种方法显着有望提高干预心脏病学和心脏电生理学方面的安全性.
- 它提供了一种可行的,无辐射的方法来指导心脏干预.
