导向超声波采集用于非刚性图像记录,使用强化学习

科学领域:

• 医疗成像医学成像
• 计算机辅助手术 计算机辅助手术
• 机器学习在医学中的应用

背景情况:

• 术前和术后成像的精确空间对齐对于图像引导干预至关重要.
• 超声波 (美国) 图像广泛使用,但往往缺乏精确的空间跟踪,这给注册带来了挑战.
• 现有的注册方法经常与手术环境的动态和异质性质作斗争.

研究的目的:

• 开发和评估一种新的指导注册框架,用于对准手术前和未跟踪的超声波图像片.
• 利用交互式和空间适应性技术,优化在注册过程中的超声波图像采集.
• 证明主动图像采集在模拟外科手术中提高非刚性注册准确性的有效性.

主要方法:

• 一个框架,结合了基于超级网络的深度注册功能和强化学习 (RL) 功能,用于图像采集指导.
• 该RL函数估计最佳的图像采集位置,并根据采集位置调整变形规则化.
• 该方法使用真实手术前患者数据和模拟的手术内数据进行了评估,视野不同.

主要成果:

• 与基线方法相比,指导注册方法在多个指标上显示了总体注册绩效的统计学上显著改善.
• 与没有获取指导的注册相比,观察到显著的改进,适应性变形规范化,经典代方法和现有的基于学习的注册技术.
• 这项研究首次证明了主动图像采集在模拟手术干预注册中的有效性.

结论:

• 拟议的指导注册框架有效地改善了手术前和超声波图像的空间对齐.
• 积极主动,引导图像采集是一种可行的策略,可以克服手术干预的非刚性注册的局限性.
• 这种方法为提高图像引导手术的准确性和可靠性提供了一个有希望的方向.