Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging

要約

超音波画像処理は、持ち運び可能、リアルタイム、放射線が不要という利点により、臨床検査で広く使用されています。
病院における自律型検査システムの広範な導入の可能性を考慮して、ロボットによる米国イメージングへの注目が高まっています。
しかし、患者間のばらつきにより、特に肋間肝臓イメージングなど、音響窓が限られた胸部用途では、患者ごとに最適な経路を設定することは依然として困難です。
この問題に対処するために、患者固有の肋骨骨格を捕捉するために、形状制約の後処理を備えたクラス認識の軟骨骨セグメンテーション ネットワークが提供されます。
次に、密なスケルトン グラフに基づく非剛体レジストレーションが提示され、一般的なテンプレートから個々の患者への肋間スキャン パスがマッピングされます。
高音響インピーダンスの骨構造を明確に考慮することで、転送された走査経路を肋間腔に正確に配置することができ、音響の影が減少して内臓の視認性が向上します。
提案されたアプローチを評価するために、最終的なパス マッピングのパフォーマンスが 5 つの異なる CT と 2 つのボランティア US データで検証され、CT-US の組み合わせが 10 組得られます。
結果は、提案されたグラフベースの登録方法が、CT テンプレートから個々の患者へのパスを堅牢かつ正確にマッピングできることを示しています (ユークリッド誤差: $2.21\pm1.11~mm$)。

要約(オリジナル)

Ultrasound imaging has been widely used in clinical examinations owing to the advantages of being portable, real-time, and radiation-free. Considering the potential of extensive deployment of autonomous examination systems in hospitals, robotic US imaging has attracted increased attention. However, due to the inter-patient variations, it is still challenging to have an optimal path for each patient, particularly for thoracic applications with limited acoustic windows, e.g., intercostal liver imaging. To address this problem, a class-aware cartilage bone segmentation network with geometry-constraint post-processing is presented to capture patient-specific rib skeletons. Then, a dense skeleton graph-based non-rigid registration is presented to map the intercostal scanning path from a generic template to individual patients. By explicitly considering the high-acoustic impedance bone structures, the transferred scanning path can be precisely located in the intercostal space, enhancing the visibility of internal organs by reducing the acoustic shadow. To evaluate the proposed approach, the final path mapping performance is validated on five distinct CTs and two volunteer US data, resulting in ten pairs of CT-US combinations. Results demonstrate that the proposed graph-based registration method can robustly and precisely map the path from CT template to individual patients (Euclidean error: $2.21\pm1.11~mm$).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google