Invisible Needle Detection in Ultrasound: Leveraging Mechanism-Induced Vibration

要約

超音波ガイド下介入を伴う臨床応用では、急な挿入や、スペックルノイズや解剖学的閉塞などの強力な気が散る要因により、針の視認性が著しく妨げられる可能性があります。
この課題に対処するために、ターゲットが肉眼で見えなくなった場合でも、超音波画像における針検出の堅牢性と精度を向上させるように調整された学習ベースのフレームワークである VibNet を提案します。
オイラービデオ拡大技術にヒントを得て、外部ステップモーターを利用して針に低振幅の周期運動を引き起こします。
これらの微妙な振動は、針の周囲の動きパターンを検出するための堅牢な周波数特徴を生成する可能性を提供します。
これらの振動を利用して針を堅牢かつ正確に検出するために、VibNet は学習ベースの短時間フーリエ変換モジュールとハフ変換モジュールを統合し、時空間空間での動き特徴抽出、周波数特徴集約、針検出などの一連のサブ目標を達成します。
ハフ空間での検出。
異なる生体外のブタおよびウシ組織サンプルで得られた結果に基づいて、提案されたアルゴリズムは、効率的な計算および一般化機能を備えた優れた検出性能を示します。

要約(オリジナル)

In clinical applications that involve ultrasound-guided intervention, the visibility of the needle can be severely impeded due to steep insertion and strong distractors such as speckle noise and anatomical occlusion. To address this challenge, we propose VibNet, a learning-based framework tailored to enhance the robustness and accuracy of needle detection in ultrasound images, even when the target becomes invisible to the naked eye. Inspired by Eulerian Video Magnification techniques, we utilize an external step motor to induce low-amplitude periodic motion on the needle. These subtle vibrations offer the potential to generate robust frequency features for detecting the motion patterns around the needle. To robustly and precisely detect the needle leveraging these vibrations, VibNet integrates learning-based Short-Time-Fourier-Transform and Hough-Transform modules to achieve successive sub-goals, including motion feature extraction in the spatiotemporal space, frequency feature aggregation, and needle detection in the Hough space. Based on the results obtained on distinct ex vivo porcine and bovine tissue samples, the proposed algorithm exhibits superior detection performance with efficient computation and generalization capability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google