在低分辨率超声波中使用深度学习的针跟踪

科学领域:

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

背景情况:

• 2D超声引导针插入在精确的针和探针对齐方面面临挑战,导致外平移动.
• 3D超声波和深度学习对针尖检测有希望,但需要高分辨率图像,限制实时应用.
• 当前的方法在图像分辨率,采集时间和实时能力之间的权衡中扎.

研究的目的:

• 开发一种深度学习方法,从稀疏采样的低分辨率超声波 (US) 卷中直接提取3D针尖位置.
• 通过接受较低的图像分辨率来最大限度地提高美国的体积率,以提高实时性能.
• 在临床环境中增强实时针导航和3D运动分析.

主要方法:

• 设计了一个实验设置,使用机器人控制针头插入水和肝组织.
• 用已知的机器人姿势评估针尖位置,绕过手动注释.
• 通过使用16x16矩阵传感器以4Hz的体积速率获得了大量低分辨率体积的数据集.
• 深度学习方法与传统的针细分技术进行了比较.

主要成果:

• 深度学习在水和肝脏组织实验中显著优于传统方法.
• 实现了亚毫米精度,平均位置误差为0.54毫米在水中和1.54毫米在肝脏中.
• 拟议的方法证明了从低分辨率超声波数据中有效地定位3D针头.

结论:

• 深度学习有效地从低分辨率超声波体积中预测3D针位置,为实时导航提供了可行的解决方案.
• 这种方法简化了针和超声波探针的对齐,这对于减少外平面误差至关重要.
• 该研究代表了实时针导航的重大进步,并使全面的3D运动分析成为可能.