Сегментация и локализация медицинского инструмента при проведении минимально инвазивных операций

Abstract

Данная научно-квалификационная работа посвящена разработке алгоритмов и моделей, позволяющих выполнять сегментацию катетера внутри полостей сердца. В качестве входных данных используется трёхмерная эхокардиография. Несмотря на недостатки данной модальности (шум, низкое качество данных, низкий контраст), она позволяет отражать ход медицинских операций в реальном времени. Для эффективной обработки подобных данных предлагается использовать методы машинного и глубокого обучения, а именно свёрточные нейронные сети. В качестве архитектуры нейронной сети предлагается использовать глубокую V-net архитектуру с пробросом признаков вперёд.

This study is devoted to the development of algorithms and models that allow performing segmentation of the catheter inside the heart cavities. Dynamic three-dimensional echocardiography was used as input data. Despite the disadvantages of this modality (speckle noise, poor data quality, low contrast), it allows visualizing the surgery interventions in real time. Machine and deep learning methods (convolutional neural networks) were proposed to efficiently process such kind of data. V-net architecture with additional skip-connections was used as the main network architecture.