Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework

要約

反回神経（RLN）の腫瘍浸潤は、ロボットによる甲状腺切除の禁忌であり、標準的な喉頭鏡検査では検出が難しい場合があります。
超音波（US）は、その安全性とリアルタイムのフィードバックを提供する機能により、RLN検出の実行可能な代替手段です。
ただし、直径が通常3mm未満のRLNの小ささは、RLNの正確な位置特定に重大な課題をもたらします。
この作業では、RLNのローカリゼーションのための知識主導型のフレームワークを提案し、外科医が周囲の臓器に従ってRLNを特定するために採用する標準的なアプローチを模倣します。
臓器間の固有の相対的な空間的関係に基づいて、事前の解剖学的モデルを構築します。
ベイジアン形状アラインメント（BSA）を介して、RLNを囲む関心領域（ROI）の中心の候補座標を取得します。
ROIにより、マルチスケールのセマンティック情報に基づいて、デュアルパス識別ネットワークを使用してRLNの洗練された重心を決定するための視野を狭めることができます。
実験結果は、提案された方法が、最先端の方法と比較して、優れたヒット率と実質的に小さい距離誤差を達成することを示しています。

要約(オリジナル)

Tumor infiltration of the recurrent laryngeal nerve (RLN) is a contraindication for robotic thyroidectomy and can be difficult to detect via standard laryngoscopy. Ultrasound (US) is a viable alternative for RLN detection due to its safety and ability to provide real-time feedback. However, the tininess of the RLN, with a diameter typically less than 3mm, poses significant challenges to the accurate localization of the RLN. In this work, we propose a knowledge-driven framework for RLN localization, mimicking the standard approach surgeons take to identify the RLN according to its surrounding organs. We construct a prior anatomical model based on the inherent relative spatial relationships between organs. Through Bayesian shape alignment (BSA), we obtain the candidate coordinates of the center of a region of interest (ROI) that encloses the RLN. The ROI allows a decreased field of view for determining the refined centroid of the RLN using a dual-path identification network, based on multi-scale semantic information. Experimental results indicate that the proposed method achieves superior hit rates and substantially smaller distance errors compared with state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google