改善部超声波图像检索使用内扫描表示学习
Wanwen Chen1, Adam Schmidt2,3, Eitan Prisman4
1Department of Electrical and Computer Engineering, The University of British Columbia, Vancouver, BC, Canada. wanwenc@ece.ubc.ca.
概括
这项研究引入了一种新的自我监督的对比学习方法,用于超声波 (美国) 图像检索在跨口腔机器人手术 (TORS) 中. 这种方法增强了美国探针的定位和注册,即使在组织变形的情况下也能达到高精度.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 术内超声波 (US) 增强了透口机器人手术 (TORS) 的可视化和安全性.
- 准确的美国探测器定位和注册与手术前图像对于美国指导的TORS至关重要.
- 图像检索为这些任务提供了一个统一的框架,需要歧视性的美国表示.
研究的目的:
- 开发一种自我监督的对比学习方法,将手术期间的美国图像与手术前数据库相匹配.
- 为了增强美国特征编码使用内部扫描相似性和美国探头位置.
- 为美国探测器定位和图像登记在TORS.中创建一个灵活的系统.
主要方法:
- 为美国的图像检索提出了一种自我监督的对比学习策略.
- 将扫描内相似性和美国探头位置纳入特征编码.
- 实施了灵活的门,以丢弃不充分的匹配.
主要成果:
- 在模拟数据上实现了92.30%的检索精度,优于现有方法.
- 在真实患者数据上证明可行性与美国CT注册.
- 展示了成功的美国探头本地化,尽管由于舌头收缩导致组织变形.
结论:
- 对比式学习方法有效地增强了美国的图像表示学习.
- 图像检索系统可以实现精确的部美国本地化后舌头收缩.
- 这种方法提高了美国导向TORS的安全性和精度.


