[論文レビュー] Medical Instrument Detection in Ultrasound-Guided Interventions: A Review

Hongxu Yang, Caifeng Shan+2 more|arXiv (Cornell University)|Jul 9, 2020

Advanced X-ray and CT Imaging参考文献 100被引用数 5

ひとこと要約

このレビューは、超音波ガイド付き介入における画像ベースの医療機器検出手法を統合的に検討し、従来のデータドリブンでない手法と現代のデータドリブン手法をカバーする。2Dおよび3D US画像処理における課題を強調し、生体試料採取や末梢神経ブロックなどの臨床的応用を評価するとともに、リアルタイム性能、ベンチマーク、アノテーションの不足といった主な研究ギャップを特定し、改善されたデータセットと臨床医が関与した評価基準の整備を提言する。

ABSTRACT

Medical instrument detection is essential for computer-assisted interventions since it would facilitate the surgeons to find the instrument efficiently with a better interpretation, which leads to a better outcome. This article reviews medical instrument detection methods in the ultrasound-guided intervention. First, we present a comprehensive review of instrument detection methodologies, which include traditional non-data-driven methods and data-driven methods. The non-data-driven methods were extensively studied prior to the era of machine learning, i.e. data-driven approaches. We discuss the main clinical applications of medical instrument detection in ultrasound, including anesthesia, biopsy, prostate brachytherapy, and cardiac catheterization, which were validated on clinical datasets. Finally, we selected several principal publications to summarize the key issues and potential research directions for the computer-assisted intervention community.

研究の動機と目的

• 超音波ガイド付き介入における画像ベースの医療機器検出技術について包括的なレビューを提供すること。
• 2Dおよび3D超音波画像処理における機器位置特定の課題を分析すること。具体的には、アライメントの難しさや、機器と組織との間のコントラスト低さに起因する課題を含む。
• 末梢神経ブロック、生体試料採取、前立腺 brachytherapy、カテーテル挿入術などの臨床的応用を評価し、臨床データセット上での検証を強調すること。
• 現在の検出手法における主な制限要因、特にリアルタイム環境における検出精度、効率性、耐障害性に焦点を当てる。
• 今後の研究方向性を提言すること。具体的には、ベンチマークデータセットの必要性、臨床医が関与した性能基準、深層学習モデルのデータ効率性向上の必要性を含む。

提案手法

• 医学画像およびコンピュータ支援手術分野の主要な国際会議および学術誌から発表された査読済み論文を対象とした体系的レビュー。
• 検出手法をデータドリブンでない（例：テンプレートマッチング、エッジ検出）とデータドリブン（例：深層学習ベースのセグメンテーション）に分類すること。
• 臨床的応用の分析は、実際の患者データセットでの検証に基づき、主に針を用いた介入と、限られたカテーテルを用いた研究に焦点を当てる。
• 動画シーケンスにおける時間的処理の評価を行い、トラッキングの向上と遅延低減の観点から、3D+時間データの活用の必要性を強調すること。
• 臨床ワークフローの観点と専門家のフィードバックを用いて、検出の効率性と精度要件を評価すること。
• 公平なアルゴリズム比較のための、データの可用性、アノテーション品質、ベンチマーク基準の不足を特定すること。

実験結果

リサーチクエスチョン

• RQ1 超音波ガイド付き介入における医療機器検出の主な手法的アプローチは何か？
• RQ2 2Dおよび3D超音波画像形式は、機器検出性能と臨床的使いやすさにどのように影響を与えるか？
• RQ3 実際の患者データ上で検証された主な臨床的応用は何か？
• RQ4 臨床的導入に向けた検出精度、効率性、リアルタイム性能における現在の制限要因は何か？
• RQ5 データの可用性、ベンチマーク、臨床医が関与した性能評価における重要な研究ギャップは何か？

主な発見

• 深層学習ベースのセグメンテーションは、従来手法に比べて優れた検出能力を示すため、現在の研究では標準的となった。
• 多くの検証済み臨床的応用は、末梢神経ブロックや生体試料採取のような針を用いた介入に限定されている。カテーテルを用いた手法は、X線ガイドド手技における高いコントラストのため、未だに研究が不足している。
• 検出アルゴリズムはしばしば1フレームあたり1秒以上を要し、手術中のリアルタイム支援要件を満たしていない。
• 特に3D超音波や希少な介入に特化した、公開可能で高品質で専門家がアノテートしたデータセットが著しく不足している。
• 生体試料採取、神経ブロック、カテーテル挿入術などの特定の臨床的応用に特化したベンチマークデータセットの整備が、公平かつ再現可能なアルゴリズム評価のために不可欠である。
• ボクセルベースの3D処理（より正確だが計算負荷が大きい）と2D処理（高速だが精度に劣る）の間にはトレードオフが存在し、これがリアルタイム臨床応用の広がりを制限している。