基于时空记忆网络的乳房超声波成像中针跟踪和细分

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 超声导针活检对于病理学分析至关重要,但由于信号噪声比较低和复杂的成像,它面临着挑战.
• 精确的针片分割和跟踪对于尽量减少活检期间的并发症和损伤至关重要.
• 现有的计算机辅助方法在图像质量差,计算要求高,针形状可变等方面扎.

研究的目的:

• 开发一种先进的计算机辅助系统,用于超声波引导的乳腺瘤活检中精确的针细分和跟踪.
• 提高针头定位的准确性和稳定性,帮助医生进行复杂的活检手术.
• 通过在具有挑战性的超声环境中提高可靠性来解决当前技术的局限性.

主要方法:

• 介绍了一种新的空间时间记忆网络,采用混合CNN-变压器编码器.
• 整合光学流量估计方法,用于增强时间分析.
• 使用11名乳腺瘤患者的超声波活检视频数据开发实时细分数据集.

主要成果:

• 拟议的网络在针头定位精度和跟踪稳定性方面明显优于现有方法.
• 实现的性能指标包括IoU:0.731,子:0.817,精度:0.863,回忆:0.803,和F1得分:0.832.
• 在具有挑战性的超声波图像中对活检针进行细分和跟踪的强大表现.

结论:

• 空间时间记忆网络为超声波导向乳腺瘤活检中的计算机辅助跟踪和细分提供可靠的技术支持.
• 该模型提高了针定位的可靠性和精度,为更安全,更有效的临床结果做出了贡献.
• 这一进步为改善干预性放射学和病理学的护理质量提供了巨大的潜力.