Multi-IMU with Online Self-Consistency for Freehand 3D Ultrasound Reconstruction

要約

超音波 (US) イメージングは​​、安全性、再現性、リアルタイム機能を提供する臨床診断で人気のツールです。
フリーハンド 3D US は、複雑さを増すことなく、スキャンされた領域をより深く理解できる技術です。
ただし、標高変位と累積誤差を推定することは依然として困難であり、画像のみを使用して相対位置を推測することは困難です。
外部軽量センサーの追加は、複雑さを増すことなく再構成パフォーマンスを向上させるために提案されており、有益であることがわかっています。
我々は、再構築性能を向上させるために複数の慣性測定ユニット（IMU）を使用する新しいオンライン自己無撞着ネットワーク（OSCNet）を提案します。
OSCNet は、モーダルレベルの自己教師あり戦略を利用して、複数の IMU 情報を融合し、各 IMU データから得られる再構成結果間の差異を低減します。
さらに、スキャンシーケンスとそのサブシーケンスの間の予測結果の階層的一貫性を向上させるために、シーケンスレベルの自己一貫性戦略が提案されています。
複数のスキャン戦術を使用した大規模な腕および頸動脈データセットの実験では、OSCNet が以前の方法を上回り、最先端の再構成パフォーマンスを達成していることが実証されました。

要約(オリジナル)

Ultrasound (US) imaging is a popular tool in clinical diagnosis, offering safety, repeatability, and real-time capabilities. Freehand 3D US is a technique that provides a deeper understanding of scanned regions without increasing complexity. However, estimating elevation displacement and accumulation error remains challenging, making it difficult to infer the relative position using images alone. The addition of external lightweight sensors has been proposed to enhance reconstruction performance without adding complexity, which has been shown to be beneficial. We propose a novel online self-consistency network (OSCNet) using multiple inertial measurement units (IMUs) to improve reconstruction performance. OSCNet utilizes a modal-level self-supervised strategy to fuse multiple IMU information and reduce differences between reconstruction results obtained from each IMU data. Additionally, a sequence-level self-consistency strategy is proposed to improve the hierarchical consistency of prediction results among the scanning sequence and its sub-sequences. Experiments on large-scale arm and carotid datasets with multiple scanning tactics demonstrate that our OSCNet outperforms previous methods, achieving state-of-the-art reconstruction performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google