Anatomical Region Recognition and Real-time Bone Tracking Methods by Dynamically Decoding A-Mode Ultrasound Signals

要約

正確な骨の追跡は、整形外科や義肢ロボット工学における運動学的解析にとって非常に重要です。
従来の方法（皮膚マーカーなど）は軟組織アーチファクトの影響を受けやすく、手術で使用される骨ピンはさらなる外傷や感染のリスクをもたらします。
筋電図検査 (EMG) の場合、関節角度を直接測定できないため、運動学的推定には複雑なアルゴリズムが必要です。
これらの問題に対処するために、非侵襲的で安全な代替手段として、A モード超音波ベースの追跡が提案されています。
ただし、このアプローチでは、受信した超音波信号を処理する際のピーク検出の精度が制限されます。
正確かつリアルタイムの骨追跡アプローチを構築するために、この論文では、特に膝関節に焦点を当てた、A モード超音波信号を使用した解剖学的領域認識と骨追跡のための深層学習ベースの方法を紹介します。
このアルゴリズムは、骨の追跡と、A モード超音波トランスデューサーが配置されている解剖学的領域の特定を同時に実行できます。
これには、カスケードされた U-Net のすべてのエンコード層とデコード層間の完全な接続が含まれており、骨のピークがある可能性が最も高い信号領域のみに焦点を当てるため、ピークの正確な位置を特定し、信号の解剖学的領域を分類します。
。
実験では、膝関節周囲のさまざまな解剖学的領域の動的追跡条件下で、解剖学的領域の分類の精度が 97%、精度が約 0.5$\pm$1mm であることが示されました。
一般に、このアプローチは、達成される精度と追加機能として超音波が適用された解剖学的領域の認識の点で、従来の方法を超える大きな可能性を示しています。

要約(オリジナル)

Accurate bone tracking is crucial for kinematic analysis in orthopedic surgery and prosthetic robotics. Traditional methods (e.g., skin markers) are subject to soft tissue artifacts, and the bone pins used in surgery introduce the risk of additional trauma and infection. For electromyography (EMG), its inability to directly measure joint angles requires complex algorithms for kinematic estimation. To address these issues, A-mode ultrasound-based tracking has been proposed as a non-invasive and safe alternative. However, this approach suffers from limited accuracy in peak detection when processing received ultrasound signals. To build a precise and real-time bone tracking approach, this paper introduces a deep learning-based method for anatomical region recognition and bone tracking using A-mode ultrasound signals, specifically focused on the knee joint. The algorithm is capable of simultaneously performing bone tracking and identifying the anatomical region where the A-mode ultrasound transducer is placed. It contains the fully connection between all encoding and decoding layers of the cascaded U-Nets to focus only on the signal region that is most likely to have the bone peak, thus pinpointing the exact location of the peak and classifying the anatomical region of the signal. The experiment showed a 97% accuracy in the classification of the anatomical regions and a precision of around 0.5$\pm$1mm under dynamic tracking conditions for various anatomical areas surrounding the knee joint. In general, this approach shows great potential beyond the traditional method, in terms of the accuracy achieved and the recognition of the anatomical region where the ultrasound has been attached as an additional functionality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google