핵심 개념
초음파 유도 중재 시술에서 바늘의 가시성이 저하되는 문제를 해결하기 위해, 외부 진동을 활용하여 바늘의 움직임 패턴을 감지하고 이를 기반으로 바늘을 정확하게 탐지하는 딥러닝 기반 프레임워크를 제안한다.
초록
이 연구는 초음파 유도 중재 시술에서 바늘의 가시성 저하 문제를 해결하기 위해 제안된 VibNet이라는 딥러닝 기반 프레임워크를 소개한다.
VibNet은 다음과 같은 3가지 모듈로 구성된다:
- 시간 영역 특징 추출: 연속된 초음파 영상에서 움직임 특징을 추출한다.
- 주파수 특징 집계: 시간-주파수 변환을 통해 주파수 영역의 특징을 추출하고 집계한다.
- 바늘 탐지: 허프 변환 기반의 모듈을 통해 바늘 샤프트와 팁의 위치를 탐지한다.
이 프레임워크는 외부에서 바늘에 진동을 가해 바늘의 움직임 패턴을 강화하여, 바늘이 초음파 영상에서 보이지 않는 경우에도 효과적으로 탐지할 수 있다.
실험 결과, 제안된 VibNet은 기존 방법들에 비해 바늘 탐지 정확도와 강건성이 향상되었으며, 다양한 동물 조직 샘플에서 일반화 성능도 우수한 것으로 나타났다. 또한 실시간 처리가 가능한 수준의 계산 효율성도 보였다.
통계
초음파 영상 데이터는 30 fps로 촬영되었으며, 18G 길이 90mm 바늘이 약 2.5 Hz로 진동하도록 설계되었다.
총 417개의 10초 길이 동영상이 수집되었으며, 이 중 80%는 훈련 데이터, 20%는 테스트 데이터로 사용되었다.
각 동영상 시퀀스는 30프레임, 크기 328x335 픽셀로 구성되었다.