Optical flow-based vascular respiratory motion compensation

要約

本論文は、目に見えない血管と目に見える非血管との間の相関を外挿することによって血管呼吸運動補償を行うための、新しい血管呼吸運動補償アル​​ゴリズムである運動関連補償(MRC)を開発する。
ロボット支援による血管インターベンションにより、外科医の放射線被ばくを大幅に削減できます。
ロボット支援画像誘導介入では、血管は呼吸により常に移動/変形しており、造影剤が注入されない限り X 線画像では見えません。
血管呼吸運動補償技術は、ライブ X 線画像で 2D 血管ロードマップを予測します。
造影剤注入後に血管が見える場合、スパースの Lucas-Kanade 特徴トラッカーに基づいて血管呼吸運動補正が実行されます。
MRC モデルは、血管の動きと非血管の動きの間の相関関係を学習するためにトレーニングされます。
介入中、目に見えない血管は、目に見える組織とトレーニングされた MRC モデルを使用して予測されます。
さらに、ガウスベースの外れ値フィルターを採用してリファインを行っています。
生体内データセットの実験では、提案された方法が平均誤差 1.086 mm で 0.032 秒で血管呼吸運動の補償を実現できることが示されています。
当社のリアルタイムで正確な血管呼吸運動補償アプローチは、現代の血管インターベンションおよび手術ロボットに貢献します。

要約(オリジナル)

This paper develops a new vascular respiratory motion compensation algorithm, Motion-Related Compensation (MRC), to conduct vascular respiratory motion compensation by extrapolating the correlation between invisible vascular and visible non-vascular. Robot-assisted vascular intervention can significantly reduce the radiation exposure of surgeons. In robot-assisted image-guided intervention, blood vessels are constantly moving/deforming due to respiration, and they are invisible in the X-ray images unless contrast agents are injected. The vascular respiratory motion compensation technique predicts 2D vascular roadmaps in live X-ray images. When blood vessels are visible after contrast agents injection, vascular respiratory motion compensation is conducted based on the sparse Lucas-Kanade feature tracker. An MRC model is trained to learn the correlation between vascular and non-vascular motions. During the intervention, the invisible blood vessels are predicted with visible tissues and the trained MRC model. Moreover, a Gaussian-based outlier filter is adopted for refinement. Experiments on in-vivo data sets show that the proposed method can yield vascular respiratory motion compensation in 0.032 sec, with an average error 1.086 mm. Our real-time and accurate vascular respiratory motion compensation approach contributes to modern vascular intervention and surgical robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google