[论文解读] 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 4

一句话总结

本文提出了一种逼真的超声（US）仿真框架，能够从诊断性CT容积生成合成的骨骼US图像，以解决脊柱手术中临床US数据及标注稀缺的问题。通过采用轻量级视觉Transformer模型并结合长程对比学习模块，该方法实现了高精度的骨骼分割（0.599 mm的Chamfer距离）和CT-US配准（误差0.13–3.37 mm），从而在无需真实临床数据微调的情况下，实现安全、实时的US引导经皮椎弓根螺钉置入。

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.

研究动机与目标

• 解决脊柱手术中深度学习模型训练所面临的临床术中超声（US）数据稀缺及准确标注不足的关键问题。
• 克服因US图像伪影和低对比度导致的骨骼表面标注难题。
• 开发一种逼真、无辐射的体素内US仿真框架，从诊断性CT容积生成高保真度的合成US图像。
• 训练一种轻量级视觉Transformer模型，结合长程对比学习模块，实现实时、高精度的US引导脊柱导航中的骨骼表面分割。
• 通过物理体模验证基于仿真的训练流程，实现亚毫米级精度的CT-US配准与经皮椎弓根螺钉置入，且无并发症。

提出的方法

• 利用融合组织声学特性、探头几何结构及组织形变模型的物理信息仿真流程，从诊断性CT容积生成逼真的US图像。
• 通过挤压与移动空间仿真模拟US探头运动和组织压缩，提升合成数据的真实感与多样性。
• 提出一种长程对比学习模块（LCLM），通过捕捉长程像素关系，提升在噪声US图像中骨骼表面定位的准确性。
• 在合成US数据上训练轻量级视觉Transformer模型，实现端到端的骨骼表面分割，兼具高效率与高精度。
• 采用粗略对齐后结合去噪ICP算法对分割后的点云进行配准，将术前规划与术中US图像对齐。
• 使用物理体模（水中脊柱、3D打印脊柱、琼脂中牛脊柱）对整个流程进行验证，其真实值来自标定的US与CT扫描。

实验结果

研究问题

• RQ1 基于物理的体素内US仿真框架是否能在无需真实US数据的情况下，从诊断性CT容积生成逼真且上下文准确的US图像？
• RQ2 结合长程对比学习模块的视觉Transformer是否能在低对比度、回声丰富的US图像中实现更优的骨骼表面分割精度？
• RQ3 仅使用合成US数据进行训练，是否能实现用于脊柱手术引导的精确且鲁棒的CT-US配准？
• RQ4 仿真生成的US数据是否能支持安全且精确的经皮椎弓根螺钉置入，且靶向误差最小化？
• RQ5 与现有数据增强技术相比，该方法在真实感、泛化能力及临床适用性方面表现如何？

主要发现

• 所提出的US仿真框架成功从CT容积生成逼真的骨骼US图像，实现了无需真实临床数据的图像增强。
• 结合长程对比学习模块的视觉Transformer在骨骼表面分割中实现了0.599 mm的Chamfer距离，表明分割精度极高。
• 基于仿真数据的CT-US配准误差为0.13至3.37 mm，其中L5椎体因解剖结构复杂，误差最高（3.37 mm）。
• 基于配准结果的经皮椎弓根螺钉置入显示，平移误差为0.027–4.031 mm，旋转误差为3.05–4.47度，证实了临床安全与精度。
• 仅在仿真数据上训练的模型优于传统方法，并在不同解剖体模中表现出良好泛化能力，证明其鲁棒性。
• 消融实验证实，长程对比学习模块在提升分割精度与骨骼表面定位能力方面具有显著有效性。