[论文解读] 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 5

一句话总结

本综述整合了超声引导介入术中基于图像的医疗器械检测方法，涵盖传统非数据驱动与现代数据驱动方法。文章分析了2D和3D超声成像中的挑战，评估了穿刺活检和区域麻醉等临床应用，并指出了实时性能、基准测试及标注数据稀缺等关键研究空白，主张应改进数据集并建立基于临床医生意见的验证标准。

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.

研究动机与目标

• 提供超声引导介入术中基于图像的医疗器械检测技术的全面综述。
• 分析2D和3D超声成像在器械定位中的挑战，包括对齐困难以及器械与组织之间对比度低的问题。
• 评估区域麻醉、穿刺活检、前列腺近距离治疗和导管置入等临床应用，强调其在临床数据集上的验证情况。
• 识别当前检测方法的关键局限性，包括检测精度、效率和鲁棒性，特别是在实时环境下的表现。
• 提出未来研究方向，包括构建基准数据集、基于临床医生意见的性能评估标准，以及提升深度学习模型的数据效率。

提出的方法

• 对医学影像与计算机辅助介入领域主要会议和期刊中发表的同行评审论文进行系统性文献回顾。
• 将检测方法分类为非数据驱动（如模板匹配、边缘检测）和数据驱动（如基于深度学习的分割）两类方法。
• 基于真实患者数据集的验证情况，分析临床应用，重点关注针头类介入操作，以及有限的导管类研究。
• 评估视频序列中的时间处理性能，强调需充分利用3D+时间数据以提升跟踪效果并降低延迟。
• 结合临床工作流程考量与专家反馈，评估检测效率与精度要求。
• 识别在数据可用性、标注质量与基准测试标准方面存在的不足，以实现算法公平比较。

实验结果

研究问题

• RQ1 在超声引导介入术中，医疗器械检测的主要方法论有哪些？
• RQ2 2D与3D超声成像格式如何影响器械检测性能与临床可用性？
• RQ3 哪些关键临床应用已基于真实患者数据验证了器械检测方法？
• RQ4 当前在检测精度、效率与实时性能方面存在哪些限制，影响其临床部署？
• RQ5 在数据可用性、基准测试与基于临床医生意见的性能评估方面，存在哪些关键研究空白？

主要发现

• 基于深度学习的分割方法已成为当前研究的主流，因其相比传统方法具有更优的检测能力。
• 大多数经过验证的临床应用集中于针头类介入操作，如区域麻醉与穿刺活检；而导管类方法因在X射线引导下对比度高，仍研究不足。
• 检测算法通常每帧处理时间超过1秒，难以满足术中实时引导的性能要求。
• 公开可用、高质量且经专家标注的数据集严重缺乏，尤其在3D超声与罕见介入操作方面。
• 亟需针对特定临床应用（如穿刺活检、麻醉、导管置入）定制的基准数据集，以实现公平且可复现的算法评估。
• 体素级3D处理（更精确但计算量大）与2D处理（更快但精度较低）之间存在权衡，限制了其在实时临床场景中的应用。