Automated Precision Localization of Peripherally Inserted Central Catheter Tip through Model-Agnostic Multi-Stage Networks

要約

末梢挿入中心静脈カテーテル（PICC）は、感染力が低く、血管内への長期アクセスが可能なため、代表的な中心静脈ライン（CVC）の1つとして広く使用されています。
ただし、PICCには、先端の位置ずれが頻繁に発生するという致命的な欠点があり、穿刺、塞栓症、および心不整脈などの合併症のリスクが高まります。
それを自動的かつ正確に検出するために、最新の深層学習（DL）テクノロジーを使用してさまざまな試みが行われています。
ただし、これらのアプローチを使用しても、チップを予測する前に必要なPICCラインを予測および抽出するプロセスでマルチフラグメント現象（MFP）が発生するため、チップの位置を特定することは実際には困難です。
この研究は、既存のモデルに一般的に適用されるシステムを開発し、モデル出力のMFを削除することによってPICCラインをより正確に復元し、それによってその配置を検出するための実際の先端位置を正確に特定することを目的としました。
これを実現するために、既存技術のPICCライン抽出結果を後処理する多段DLベースのフレームワークを提案しました。
パフォーマンスは、MFCNが5つの従来のモデルに適用されているかどうかに応じて、各二乗平均平方根誤差（RMSE）とMFP発生率によって比較されました。
内部検証では、MFCNを既存の単一モデルに適用した場合、MFPは平均45％向上しました。
RMSEは、平均26.85mm（17.16から35.80mm）から9.72mm（9.37から10.98mm）に63％以上改善されました。
外部検証では、MFCNを適用すると、MFPの発生率が平均32％減少し、RMSEが平均65％減少しました。
したがって、提案されたMFCNを適用することにより、既存のモデルと比較して、PICCチップ位置の有意な/一貫した検出性能の向上が観察されました。

要約(オリジナル)

Peripherally inserted central catheters (PICCs) have been widely used as one of the representative central venous lines (CVCs) due to their long-term intravascular access with low infectivity. However, PICCs have a fatal drawback of a high frequency of tip mispositions, increasing the risk of puncture, embolism, and complications such as cardiac arrhythmias. To automatically and precisely detect it, various attempts have been made by using the latest deep learning (DL) technologies. However, even with these approaches, it is still practically difficult to determine the tip location because the multiple fragments phenomenon (MFP) occurs in the process of predicting and extracting the PICC line required before predicting the tip. This study aimed to develop a system generally applied to existing models and to restore the PICC line more exactly by removing the MFs of the model output, thereby precisely localizing the actual tip position for detecting its disposition. To achieve this, we proposed a multi-stage DL-based framework post-processing the PICC line extraction result of the existing technology. The performance was compared by each root mean squared error (RMSE) and MFP incidence rate according to whether or not MFCN is applied to five conventional models. In internal validation, when MFCN was applied to the existing single model, MFP was improved by an average of 45%. The RMSE was improved by over 63% from an average of 26.85mm (17.16 to 35.80mm) to 9.72mm (9.37 to 10.98mm). In external validation, when MFCN was applied, the MFP incidence rate decreased by an average of 32% and the RMSE decreased by an average of 65\%. Therefore, by applying the proposed MFCN, we observed the significant/consistent detection performance improvement of PICC tip location compared to the existing model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google