在机器人辅助 катетеризация过程中使用多边分支网络进行内血管工具细分

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 机器人技术 机器人技术 机器人技术

背景情况:

• 机器人辅助导管治疗对于心血管疾病干预至关重要.
• 有效的内血管工具导航依赖于可视化和跟踪.
• 目前的方法缺乏实时运动分析,并与光学照明不佳作斗争.

研究的目的:

• 提出一种新的多边分支网络 (MLB-Net),以改善心血管血管图中的工具细分.
• 解决当前工具细分方法的局限性,原因是照明不良和缺乏实时分析.

主要方法:

• 开发了一种多边分支网络 (MLB-Net),具有具有多边可分离卷积的编码器和金字塔解码器.
• 训练并验证了在子机器人辅助导管治疗中的1320张血管图上的模型.
• 使用F1得分和平均交叉与联合指标评估绩效.

主要成果:

• 在330个验证上,获得了F1得分为89.01%和平均交叉超过联合率为90.05%.
• 与U-Net,U-Net++和DeepLabV3.3等最先进的模型相比,表现出卓越的性能.
• 证实了该模型在血管图中用于导线细分的稳定性.

结论:

• 在心血管血管图中,MLB-Net提供了强大而准确的导线细分.
• 这个模型可以作为先进的内血管工具跟踪和手术场景分析的基础.
• 提高细分精度可以提高心血管干预的安全性和有效性.