ACE-Net:A线坐标编码网络用于超声波图像中的血管结构细分
Beatriz Farola Barata1,2, Guiqiu Liao3,4, Gianni Borghesan5,6
1Robot-Assisted Surgery Group, Department of Mechanical Engineering, KU Leuven, Leuven, 3001, Belgium. beatriz.barata@kuleuven.be.
Medical & biological engineering & computing
|April 2, 2025
概括
ACE-Net在超声波图像中直接预测血管轮坐标,提高临床医生的准确性和效率. 这种新的方法提供比现有方法更快的推断时间,同时在边界细分中保持高性能.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 超声波 (US) 影像对于实时血管评估和指导程序至关重要.
- 血管结构的精确细分有助于精确的定位和测量.
- 目前的美国细分方法通常需要进行后处理以提取轮.
研究的目的:
- 介绍ACE-Net,这是一种新的深度学习方法,用于在超声波图像中直接预测轮坐标.
- 在美国指导的干预期间,提高血管结构细分的效率和准确性.
主要方法:
- ACE-Net采用双模块架构:用于坐标预测的边界回归和用于目标区域识别的A线分类.
- 该方法直接预测每个超声波扫描线 (A线) 的轮坐标.
- 在三个临床超声数据集上进行了评估,使用了诸如子相似系数 (DSC) 和推断时间等指标.
主要成果:
- 与最先进的细分方法相比,ACE-Net的推断时间优越.
- 拟议的方法实现了可比或优于子相似系数 (DSC) 的性能.
- 直接轮预测消除了对后处理步骤的需求.
结论:
- 在超声波成像中,ACE-Net为血管结构细分提供了一种高效准确的解决方案.
- 直接轮预测方法简化了细分工作流.
- 该方法显示了改善超声波图像分析临床应用的巨大潜力.


