Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging

要約

超音波は、医用画像に対する手頃な価格の汎用ソリューションになる方向に進んでいます。
COVID-19 の世界的なパンデミックの出現により、超音波イメージングを完全に自動化する必要があります。これは、トレーニングを受けたオペレーターが患者の近くに長時間いる必要があるためです。
この作業では、肺の超音波イメージングの設定の下で、スキャン ターゲットのローカリゼーションの重要なまだほとんど研究されていない問題を調査します。
学習ベースのコンピューター ビジョン技術を組み込んだ、純粋にビジョン ベースのデータ駆動型の方法を提案します。
人間の姿勢推定モデルを特別に設計された回帰モデルと組み合わせて、肺の超音波スキャン ターゲットを予測し、マルチビュー ステレオ ビジョンを展開して 3D ターゲット ローカリゼーションの一貫性を高めます。
関連する作業は主にファントム実験に焦点を当てていますが、私たちはテストのために 30 人の被験者からデータを収集します。
私たちの方法は、プローブの位置決めで15.52（9.47）mm、プローブの向きで4.32（3.69）{\ deg}の精度レベルを達成し、すべてのスキャンターゲットで25mmのエラーしきい値で80％を超える成功率を達成します。
さらに、私たちのアプローチは、他のタイプの超音波モダリティに対する一般的な解決策として役立ちます。
実装コードを公開しました。

要約(オリジナル)

Ultrasound is progressing toward becoming an affordable and versatile solution to medical imaging. With the advent of COVID-19 global pandemic, there is a need to fully automate ultrasound imaging as it requires trained operators in close proximity to patients for long period of time. In this work, we investigate the important yet seldom-studied problem of scan target localization, under the setting of lung ultrasound imaging. We propose a purely vision-based, data driven method that incorporates learning-based computer vision techniques. We combine a human pose estimation model with a specially designed regression model to predict the lung ultrasound scan targets, and deploy multiview stereo vision to enhance the consistency of 3D target localization. While related works mostly focus on phantom experiments, we collect data from 30 human subjects for testing. Our method attains an accuracy level of 15.52 (9.47) mm for probe positioning and 4.32 (3.69){\deg} for probe orientation, with a success rate above 80% under an error threshold of 25mm for all scan targets. Moreover, our approach can serve as a general solution to other types of ultrasound modalities. The code for implementation has been released.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google