VibNet:在超声波图像中使用振动增强针检测

科学领域:

• 医疗成像医学成像
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 超声波 (US) 引导的干预需要精确的穿皮针检测.
• 美国图像中的斑点,工件和低分辨率阻碍了针头的稳健检测,特别是当可见性受到损害时.

研究的目的:

• 开发一个强大而准确的超声波图像针检测框架.
• 为了利用针的外部周期性振动来增强检测能力.

主要方法:

• 提出了VibNet,这是一个基于学习的框架,集成神经短时间里埃转换和霍夫转换模块.
• 在时空空间中提取的运动特征和在Hough空间中检测的聚合频率特征.
• 利用微妙的周期性振动在频域中进行强大的特征提取.

主要成果:

• VibNet在检测猪体外样本中严重可见性降低的针头方面表现出卓越的性能.
• 与UNet (${8.15}\pm {9.98}$ mm) 和WNet (${6.63}\pm {7.58}$ mm) 相比,实现了显著较低的小费误差 (${1.61}\pm {1.56}$ mm).
• 展示了减少的针方向误差 (${1.64}\pm {1.86}^{\circ}$) 与UNet (${9.29}~\pm ~{15.30}^{\circ}$) 和WNet (${8.54}~\pm ~{17.92}^{\circ}$) 相比.

结论:

• 与基于强度的方法相比,VibNet在超声波成像中提供了更有效的针检测方法.
• 来自微妙振动的频域特征提供了增强的稳定性.
• 该框架对提高超声波指导干预措施的安全性和有效性充满希望.