深度学习以三维定位光声源:理论和实施

科学领域:

• 医疗成像医学成像
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 精确的外科工具尖位置定位和跟踪对于有效的外科手术和干预程序至关重要.
• 使用光声成像进行工具尖端定位的当前方法在其维度跟踪能力上是有限的.
• 对光声频道数据的深度学习为高级工具尖端本地化提供了潜力.

研究的目的:

• 开发和评估基于深度学习的新型3D光声学点源定位系统.
• 扩展以前的对象检测方法,并引入基于实例细分的系统,以实现增强的本地化.
• 从理论上推导和实验验证点源位置,声速和光声波形数据之间的关系.

主要方法:

• 使用对象检测方法开发基于深度学习的3D光声学点源定位系统.
• 使用光声频道数据,导出用于3D点源定位的理论关系.
• 实现了一种基于细分实例的新型深度学习3D点源定位系统,其中包括声速估计.

主要成果:

• 对象检测和实例细分系统在模拟,幻影和实体数据中实现了高F1得分 (高达99.82%).
• 在所有测试的数据集中实现了约1.5毫米的低欧几里德定位误差 (平均±SD).
• 实例细分系统证明了准确的同时估计声速,绝对误差低.

结论:

• 开发的深度学习系统显示了使用光声成像技术精确3D定位和追踪外科工具尖端的巨大潜力.
• 这些进展可以提高微创手术和干预手术的安全性和有效性.
• 声速估计的整合进一步完善了基于光声学的外科导航的能力.