超声波引导的针跟踪与深度学习:一种新的方法与光声学地面真相

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 准确的针指导对于临床程序至关重要,但传统的超声波 (美国) 成像在一致的针可视化方面面临挑战.
• 在美国图像中检测针的深度学习模型通常依赖于手动注释或模拟数据,限制了概括性.
• 光声学 (PA) 影像提供高对比度针可视化,为生成可靠的训练数据提供了替代方案.

研究的目的:

• 调查使用PA成像作为训练深度学习网络在美国图像中用于针头定位的基本真相.
• 开发和评估一个深度学习网络 (UIU-Net) 用于精确的针分段和跟踪在美国成像.
• 评估UIU-Net在不同数据集和成像系统中的通用性.

主要方法:

• 一个新的深度学习网络,UIU-Net,已开发用于美国图像的针分段.
• 该网络使用PA成像作为基本真相进行训练,消除了手动注释的需要.
• 评估了美国人的ex vivo和in vivo数据集的性能,包括来自各种成像系统的数据.

主要成果:

• UIU-Net在美国图像中定位针头方面表现出高精度.
• 对未见的ex vivo和in vivo人类数据的评估显示出强的表现.
• 对于人类数据,修改后的豪斯多夫距离 (MHD) 为3.73,准误差为2.03.
• 这种方法在不同的美国成像系统中被证明是有效的.

结论:

• 在美国成像中,PA成像作为训练深度学习模型用于针定位的强大基础真理.
• UIU-Net提供了一种可靠和可通用的解决方案,用于提高针头可视化和临床程序的指导.
• 这种方法克服了手动注释的局限性,并提高了超声波引导干预中针跟踪的一致性和准确性.