SiamAT:基于变压器的目标识别的姆追踪网络,用于超声波图像序列中的目标追踪

科学领域:

• 医疗成像医学成像
• 生物医学工程 生物医学工程
• 辐射瘤学 辐射瘤学

背景情况:

• 精确的目标定位对于有效的放射治疗至关重要.
• 呼吸运动在辐射治疗目标定位上带来了显著的不确定性.
• 基于超声波的运动跟踪是一种非侵入性的解决方案,但面临着类似的解剖结构和外观变化的挑战.

研究的目的:

• 开发一个强大而准确的基于超声波的追踪框架,用于放射治疗中的呼吸运动.
• 通过解决现有的超声波追踪方法的局限性,提高目标定位精度和治疗结果.

主要方法:

• 拟议的SiamAT跟踪框架使用与Swin-Transformer骨干的姆式特征提取网络.
• 包含基于注意力的目标意识模块,用于模板和搜索功能的自适应集成.
• 雇佣的多任务预测头用于精确的定位.

主要成果:

• SiamAT在公共数据集 (MICCAI 2015美国肝脏跟踪) 和临床数据集上展示了准确和强大的跟踪性能.
• 在评估的数据集上实现了低跟踪误差 (0.60±0.30mm和0.47±0.31mm).
• 该方法在GPU上以每秒大约36的速度运行,表明了临床可行性.

结论:

• SiamAT为临床医生提供了一种有效的工具,可以在放射治疗期间分析超声波图像中的二维运动.
• 该框架有助于规划最佳治疗策略,减少诊断和治疗风险.
• 拟议的方法推进了非侵入性运动跟踪领域,以改善辐射治疗结果.