在血管干预手术的临床光镜图像中,用于导线细分和定位的轻量级注意力网络
Haoyun Wang1, Ziyang Mei1, Kanqi Wang1
1Xiamen University, Xiamen, China.
Quantitative imaging in medicine and surgery
|May 19, 2025
概括
这项研究引入了一个深度学习模型,用于在跨导管动脉化学栓塞 (TACE) 期间在X射线图像中对导线形态进行细分. 该模型提高了医生和未来机器人手术系统的精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 干预性放射学 干预性放射学
背景情况:
- 导线输送在跨导管动脉化学栓塞 (TACE) 中至关重要.
- 挑战包括低信号噪声比和当前导线成像中的类不平衡.
- 准确的导线形态分析对机器人系统和医生至关重要.
研究的目的:
- 开发一种深度学习模型,用于在X射线光镜图像中精确的导线细分.
- 创建一个全面的数据集,用于TACE期间的导线交付.
- 为了提高临床环境中导线传递的准确性.
主要方法:
- 追溯收集了38个受试者的2839张X射线图像.
- 在数据集中手动注释导线.
- 开发一种深度学习细分方法,使用双边特征融合 (BGA) 和封闭注意力 (SDA) 模块.
主要成果:
- 拟议的细分网络实现了91.64%的AUC.
- 在903张临床图像上,宏F1得分达到85.63%,Dice系数为71.29%.
- 在手术内图像中对导线进行细分方面表现出卓越的性能.
结论:
- 为临床TACE引入了一种新的导线细分方法.
- 该方法帮助医生进行干预手术.
- 集成到血管干预手术机器人的潜力,以实现未来的机器人辅助.


