[論文レビュー] Enabling Augmented Segmentation and Registration in Ultrasound-Guided Spinal Surgery via Realistic Ultrasound Synthesis from Diagnostic CT Volume

Ang Li, Jiayi Han+3 more|arXiv (Cornell University)|Jan 5, 2023

Medical Imaging and Analysis被引用数 4

ひとこと要約

本論文は、脊椎手術のための臨床的超音波（US）データとアノテーションの不足に対処するため、診断用CTボリュームから合成された骨の超音波画像を生成する現実的でリアルな超音波シミュレーションフレームワークを提案する。軽量なビジョントランスフォーマーに長距離対照学習モジュールを組み合わせた手法により、高精度な骨セグメンテーション（0.599 mmのチェンバーディスタンス）とCT-US登録（0.13–3.37 mmの誤差）を達成し、臨床的データの微調整なしに安全でリアルタイムなUSガイドドピアドネルスクリュー挿入が可能となる。

ABSTRACT

This paper aims to tackle the issues on unavailable or insufficient clinical US data and meaningful annotation to enable bone segmentation and registration for US-guided spinal surgery. While the US is not a standard paradigm for spinal surgery, the scarcity of intra-operative clinical US data is an insurmountable bottleneck in training a neural network. Moreover, due to the characteristics of US imaging, it is difficult to clearly annotate bone surfaces which causes the trained neural network missing its attention to the details. Hence, we propose an In silico bone US simulation framework that synthesizes realistic US images from diagnostic CT volume. Afterward, using these simulated bone US we train a lightweight vision transformer model that can achieve accurate and on-the-fly bone segmentation for spinal sonography. In the validation experiments, the realistic US simulation was conducted by deriving from diagnostic spinal CT volume to facilitate a radiation-free US-guided pedicle screw placement procedure. When it is employed for training bone segmentation task, the Chamfer distance achieves 0.599mm; when it is applied for CT-US registration, the associated bone segmentation accuracy achieves 0.93 in Dice, and the registration accuracy based on the segmented point cloud is 0.13~3.37mm in a complication-free manner. While bone US images exhibit strong echoes at the medium interface, it may enable the model indistinguishable between thin interfaces and bone surfaces by simply relying on small neighborhood information. To overcome these shortcomings, we propose to utilize a Long-range Contrast Learning Module to fully explore the Long-range Contrast between the candidates and their surrounding pixels.

研究の動機と目的

• 脊椎手術における深層学習モデルの学習に必要な臨床的術中超音波（US）データと正確なアノテーションの著しい不足に対処すること。
• US画像のアーチファクトと低コントラストのため、骨表面のアノテーションが困難であるという課題を克服すること。
• 診断用CTボリュームから高精細な合成US画像を生成できる、現実的で放射線を伴わないインシリコUSシミュレーションフレームワークを構築すること。
• 軽量なビジョントランスフォーマーを用いて、USガイドド脊椎ナビゲーションにおける骨表面セグメンテーションを高精度かつリアルタイムに実現すること。
• 物理的プロトタイプ（脊椎を水に浮かべたもの、3Dプリントされた脊椎、アガーに沈めたブタの脊椎）を用いて、CT-US登録とピアドネルスクリュー挿入のシミュレーションベースのトレーニングパイプラインを検証し、0.5mm未満の精度と合併症なしを達成すること。

提案手法

• 組織の音響特性、プローブの幾何学的形状、組織変形モデルを組み込んだ物理に基づくシミュレーションパイプラインを用いて、診断用CTボリュームから現実的なUS画像を生成する。
• エクストルージョンおよび移動空間シミュレーションを用いてプローブの移動と組織の圧迫を再現し、合成データの現実性と多様性を向上させる。
• 長距離ピクセル間の関係を捉えることで、ノイズの多いUS画像における骨表面の局所化を向上させる長距離対照学習モジュール（LCLM）を導入する。
• 合成USデータ上でエンドツーエンドの骨表面セグメンテーションを高効率かつ高精度に実行できる軽量ビジョントランスフォーマーを学習する。
• 事前手術計画と術中USを一致させるために、粗いアライメントの後にノイズ除去版反復最近傍点法（de-noised ICP）を適用した点群のセグメンテーションを用いたCT-US登録を実施する。
• 校正済みのUSおよびCTスキャンからの真値を用いて、物理的プロトタイプ（水の中の脊椎、3Dプリントされた脊椎、アガーに沈めたブタの脊椎）を用いてパイプライン全体を検証する。

実験結果

リサーチクエスチョン

• RQ1 物理ベースのインシリコUSシミュレーションフレームワークは、実臨床USデータを一切必要とせず、診断用CTボリュームから現実的で文脈的に正確なUS画像を生成できるか？
• RQ2 長距離対照学習モジュールを備えたビジョントランスフォーマーは、低コントラストでエコーが豊富なUS画像において、骨表面セグメンテーションの精度を優れて向上させられるか？
• RQ3 合成USデータのみで学習させることで、脊椎手術ナビゲーションのための正確で頑健なCT-US登録が可能になるか？
• RQ4 シミュレートされたUSデータは、最小限のターゲティング誤差で安全かつ正確なピアドネルスクリュー挿入を可能にするか？
• RQ5 本手法は、現実性、一般化性能、臨床応用可能性の観点から、従来のデータ拡張技術と比較して優れているか？

主な発見

• 提案されたUSシミュレーションフレームワークは、実臨床データを一切使用せず、CTボリュームから現実的な骨の超音波画像を効果的に生成でき、データ拡張が可能であることを示した。
• 長距離対照学習モジュールを備えたビジョントランスフォーマーは、骨表面セグメンテーションにおいて0.599 mmのチェンバーディスタンスを達成し、高い精度を示した。
• シミュレートされたデータを用いたCT-US登録では、0.13〜3.37 mmの誤差を達成した。最大誤差（3.37 mm）は、形状が複雑なL5椎体で観察された。
• 登録に基づくピアドネルスクリュー挿入では、並進誤差が0.027〜4.031 mm、回転誤差が3.05〜4.47度であり、臨床的側面での安全性と正確性が確認された。
• 合成データのみで学習させたモデルは、従来の手法を上回り、さまざまな解剖的プロトタイプにわたって良好に一般化されることを示した。
• アブレーションスタディにより、長距離対照学習モジュールが骨表面のセグメンテーション精度と局所化精度の向上に有効であることが確認された。