Detecting the Sensing Area of A Laparoscopic Probe in Minimally Invasive Cancer Surgery

要約

外科腫瘍学では、信頼性の高い術中視覚化ツールが不足しているため、PET や CT などの術前画像システムを使用しても、外科医がリンパ節を特定して癌を完全に切除することは困難です。
最近、内視鏡による放射線ガイドによる癌の検出と切除が評価されており、新しいテザー付き腹腔鏡ガンマ線検出器を使用して、術前に注入された放射線トレーサーの位置を特定することができます。
これにより、内視鏡画像を強化し、術前の核画像データを補完することができます。
しかし、プローブは非画像化であり、組織表面での活性の発生を視覚的に示さないため、ガンマ線活性の視覚化をオペレーターに提示するのは困難です。
最初はセグメンテーションや幾何学的手法を使用して失敗しましたが、高次元の画像特徴とプローブの位置情報を活用することで解決できることが発見されました。
このソリューションの有効性を実証するために、問題にうまく対処する単純な回帰ネットワークを設計して実装しました。
提案されたソリューションをさらに検証するために、カスタム設計のポータブル ステレオ腹腔鏡システムを使用してキャプチャされた 2 つのデータセットを取得し、公開しました。
集中的な実験を通じて、私たちの方法が感知領域を首尾よく効果的に検出できることを実証し、新しい性能ベンチマークを確立しました。
コードとデータは https://github.com/br0202/Sensing_area_detection.git で入手できます。

要約(オリジナル)

In surgical oncology, it is challenging for surgeons to identify lymph nodes and completely resect cancer even with pre-operative imaging systems like PET and CT, because of the lack of reliable intraoperative visualization tools. Endoscopic radio-guided cancer detection and resection has recently been evaluated whereby a novel tethered laparoscopic gamma detector is used to localize a preoperatively injected radiotracer. This can both enhance the endoscopic imaging and complement preoperative nuclear imaging data. However, gamma activity visualization is challenging to present to the operator because the probe is non-imaging and it does not visibly indicate the activity origination on the tissue surface. Initial failed attempts used segmentation or geometric methods, but led to the discovery that it could be resolved by leveraging high-dimensional image features and probe position information. To demonstrate the effectiveness of this solution, we designed and implemented a simple regression network that successfully addressed the problem. To further validate the proposed solution, we acquired and publicly released two datasets captured using a custom-designed, portable stereo laparoscope system. Through intensive experimentation, we demonstrated that our method can successfully and effectively detect the sensing area, establishing a new performance benchmark. Code and data are available at https://github.com/br0202/Sensing_area_detection.git

arxiv情報

提供元, 利用サービス

arxiv.jp, Google