Biplanar X-ray floroskopik görüntüler kullanılarak 3D girişimsel kardiyovasküler cihaz geometrilerinin yeniden oluşturulması

Kılavuz teller ve kateterler gibi girısims¸el cihazların doğru lokalizasyonu hasta güvenliği ve baarılı kardiyovasküler prosedürler açısından kritik öneme sahiptir. Minimal invaziv prosedürlere rehberlik etmek için en yaygın görüntüleme yöntemi olan X-íşını floroskopisi, gerçek zamanlı görselleştirme sunar ancak yumusak doku kontrastı ve 3 boyutlu mekansal bilgiden yoksundur ve karmaşık prosedürler sırasında hassas yönlendirmeyi engeller. Bu çalışma, kalp kateterizasyonu sırasında girısims¸el cihazların 3 boyutlu geometrisini tahmin etmek için bir derin öğrenme algoritması geliştirerek 3 boyutlu görselleştirme ihtiyacını ele almaktadır. Metodoloji, cihaz maskelerini tahmin etmek amacıyla bir U-Net segmentasyon modeli için girdi olarak çift düzlemli floroskopileri kullandı, tek tek çerçeveleri çıkarı. ve ön işlemeye tabi tuttu. DICOM meta verileri kullanılarak, Kartezyen koordinatlarda çift düzlemli kurulumun geometrik bir modeli oluşturuldu ve ölçeklendirildi. Segmentasyon modelindeki cihaz noktaları, dedektör düzlemleri üzerine 2 boyutlu projeksiyonlar olarak haritalandı ve her kaynak ve dedektör arasında X-íşını vektörleri takip edildi. Vektör kesişimleri 3 boyutlu noktalar sağlayarak 3 boyutlu bir model ortaya çıkardı. Hacimsel veri eksikliğini hesaba katmak için model, kaynak noktalarına geri yansıtıldı ve doğruluğu değerlendirmek için orijinal projeksiyonlarla karılatırıldı. Sonuçlar, ortalama 0,63 doğruluk, 0,8 hassasiyet, 0,75 F1 puanı ve 0,72 geri çağırma ile orijinal ve geriye yansıtılan noktalar arasında 1,19-5,25 mm'lik Ortalama Mutlak Hata gösterdi. Algoritma, karmaık ve çoklu kılavuz tellerle ilgili sınırlamalar gösterdi ancak daha basit yapılar için etkiliydi. Daha geniş veriler ve hacimsel karılatırma doğruluğu artırabilir, ancak genel olarak algoritma umut vericidir ve diğer girısims¸el prosedürler için ölçeklenebilir bir çerçeve sağlar.