Weakly-Supervised Learning via Multi-Lateral Decoder Branching for Guidewire Segmentation in Robot-Assisted Cardiovascular Catheterization

要約

ロボット支援による心臓血管カテーテル法は心血管疾患の介入のために一般的に行われていますが、自動化されたツールのセグメンテーションを使用してこの手順をサポートするには、さらなる研究が必要です。
これは、外科医が介入中にツールの追跡と視覚化を行うのに役立ちます。
学習ベースのセグメンテーションは最近、最先端のセグメンテーション パフォーマンスを提供していますが、完全に教師付きの方法でグラウンドトゥルース信号を生成することは、介入者にとって多大な労力と時間がかかります。
この研究では、心臓血管造影におけるツールセグメンテーションのために、多側面擬似ラベリングを使用した弱教師あり学習方法を提案します。
この方法には、1 つのエンコーダと、さまざまな摂動の下で監視信号として擬似ラベルを生成する複数の横分岐デコーダを備えた修正 U-Net モデルが含まれています。
擬似ラベルは、混合損失関数とデコーダ内の共有一貫性を通じて自己生成されます。
ロボット心臓カテーテル検査中に取得された弱い注釈付きデータを使用してモデルをエンドツーエンドでトレーニングしました。
提案されたモデルを使った実験では、弱いアノテーションが付けられたデータは、完全にアノテーションが付けられたデータを使用した場合に近いパフォーマンスを示すことがわかりました。
既存の 3 つの弱く監視された方法と比較して、私たちのアプローチは 3 つの異なる心臓血管造影データにわたってより高いセグメンテーション パフォーマンスをもたらしました。
アブレーション研究では、さまざまなパラメーターの下で一貫したパフォーマンスを示しました。
したがって、ロボット支援心臓カテーテル検査中のリアルタイムのツールのセグメンテーションと追跡のための、より安価な方法を提供します。

要約(オリジナル)

Although robot-assisted cardiovascular catheterization is commonly performed for intervention of cardiovascular diseases, more studies are needed to support the procedure with automated tool segmentation. This can aid surgeons on tool tracking and visualization during intervention. Learning-based segmentation has recently offered state-of-the-art segmentation performances however, generating ground-truth signals for fully-supervised methods is labor-intensive and time consuming for the interventionists. In this study, a weakly-supervised learning method with multi-lateral pseudo labeling is proposed for tool segmentation in cardiac angiograms. The method includes a modified U-Net model with one encoder and multiple lateral-branched decoders that produce pseudo labels as supervision signals under different perturbation. The pseudo labels are self-generated through a mixed loss function and shared consistency in the decoders. We trained the model end-to-end with weakly-annotated data obtained during robotic cardiac catheterization. Experiments with the proposed model shows weakly annotated data has closer performance to when fully annotated data is used. Compared to three existing weakly-supervised methods, our approach yielded higher segmentation performance across three different cardiac angiogram data. With ablation study, we showed consistent performance under different parameters. Thus, we offer a less expensive method for real-time tool segmentation and tracking during robot-assisted cardiac catheterization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google