A Novel Tracking Framework for Devices in X-ray Leveraging Supplementary Cue-Driven Self-Supervised Features

要約

血管形成術によって閉塞した冠動脈の適切な血流を回復するには、ライブ透視または診断用血管造影下でカテーテル、バルーン、ステントなどのデバイスを正確に配置することが重要です。
識別されたバルーン マーカーは X 線シーケンスでのステントの視認性の向上に役立ち、カテーテル先端は正確なナビゲーションと血管構造の同時登録に役立ち、血管造影におけるコントラストの必要性を軽減します。
しかし、インターベンショナル X 線シーケンスでこれらのデバイスを正確に検出することは、特に造影血管や他のデバイスによる閉塞や周囲からの注意散漫により、そのような小さな物体を追跡できなくなるという大きな課題に直面しています。
ほとんどの追跡方法は、過去と現在の外観の空間相関に依存していますが、多くの場合、これらの困難な状況をナビゲートするために不可欠な強力な動きの理解を欠いており、シーン内の複数のインスタンスを効果的に検出できません。
これらの制限を克服するために、大規模なデータセット上の複数の表現空間にわたる補助的な手がかりと学習を組み込むことで時空間理解を強化する自己教師あり学習アプローチを提案します。
続いて、事前学習された時空間ネットワークを効果的に活用し、過去の外観と軌跡データも考慮する、一般的なリアルタイム追跡フレームワークを紹介します。
これにより、デバイス ランドマークの複数のインスタンスの位置特定が強化されます。
当社の手法は、インターベンショナル X 線装置の追跡において、特に安定性と堅牢性において最先端の手法を上回っており、バルーン マーカー検出の最大誤差の 87% 削減と、カテーテル先端検出の最大誤差の 61% 削減を達成しています。

要約(オリジナル)

To restore proper blood flow in blocked coronary arteries via angioplasty procedure, accurate placement of devices such as catheters, balloons, and stents under live fluoroscopy or diagnostic angiography is crucial. Identified balloon markers help in enhancing stent visibility in X-ray sequences, while the catheter tip aids in precise navigation and co-registering vessel structures, reducing the need for contrast in angiography. However, accurate detection of these devices in interventional X-ray sequences faces significant challenges, particularly due to occlusions from contrasted vessels and other devices and distractions from surrounding, resulting in the failure to track such small objects. While most tracking methods rely on spatial correlation of past and current appearance, they often lack strong motion comprehension essential for navigating through these challenging conditions, and fail to effectively detect multiple instances in the scene. To overcome these limitations, we propose a self-supervised learning approach that enhances its spatio-temporal understanding by incorporating supplementary cues and learning across multiple representation spaces on a large dataset. Followed by that, we introduce a generic real-time tracking framework that effectively leverages the pretrained spatio-temporal network and also takes the historical appearance and trajectory data into account. This results in enhanced localization of multiple instances of device landmarks. Our method outperforms state-of-the-art methods in interventional X-ray device tracking, especially stability and robustness, achieving an 87% reduction in max error for balloon marker detection and a 61% reduction in max error for catheter tip detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google