Reconstruction of 3D interventional cardiovascular device geometries using biplanar X-ray fluoroscopic images
Biplanar X-ray floroskopik görüntüler kullanılarak 3D girişimsel kardiyovasküler cihaz geometrilerinin yeniden oluşturulması
- Tez No: 930464
- Danışmanlar: Prof. Dr. ESİN ÖZTÜRK IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 146
Özet
Kılavuz teller ve kateterler gibi girısims¸el cihazların doğru lokalizasyonu hasta güvenliği ve baarılı kardiyovasküler prosedürler açısından kritik öneme sahiptir. Minimal invaziv prosedürlere rehberlik etmek için en yaygın görüntüleme yöntemi olan X-íşını floroskopisi, gerçek zamanlı görselleştirme sunar ancak yumusak doku kontrastı ve 3 boyutlu mekansal bilgiden yoksundur ve karmaşık prosedürler sırasında hassas yönlendirmeyi engeller. Bu çalışma, kalp kateterizasyonu sırasında girısims¸el cihazların 3 boyutlu geometrisini tahmin etmek için bir derin öğrenme algoritması geliştirerek 3 boyutlu görselleştirme ihtiyacını ele almaktadır. Metodoloji, cihaz maskelerini tahmin etmek amacıyla bir U-Net segmentasyon modeli için girdi olarak çift düzlemli floroskopileri kullandı, tek tek çerçeveleri çıkarı. ve ön işlemeye tabi tuttu. DICOM meta verileri kullanılarak, Kartezyen koordinatlarda çift düzlemli kurulumun geometrik bir modeli oluşturuldu ve ölçeklendirildi. Segmentasyon modelindeki cihaz noktaları, dedektör düzlemleri üzerine 2 boyutlu projeksiyonlar olarak haritalandı ve her kaynak ve dedektör arasında X-íşını vektörleri takip edildi. Vektör kesişimleri 3 boyutlu noktalar sağlayarak 3 boyutlu bir model ortaya çıkardı. Hacimsel veri eksikliğini hesaba katmak için model, kaynak noktalarına geri yansıtıldı ve doğruluğu değerlendirmek için orijinal projeksiyonlarla karılatırıldı. Sonuçlar, ortalama 0,63 doğruluk, 0,8 hassasiyet, 0,75 F1 puanı ve 0,72 geri çağırma ile orijinal ve geriye yansıtılan noktalar arasında 1,19-5,25 mm'lik Ortalama Mutlak Hata gösterdi. Algoritma, karmaık ve çoklu kılavuz tellerle ilgili sınırlamalar gösterdi ancak daha basit yapılar için etkiliydi. Daha geniş veriler ve hacimsel karılatırma doğruluğu artırabilir, ancak genel olarak algoritma umut vericidir ve diğer girısims¸el prosedürler için ölçeklenebilir bir çerçeve sağlar.
Özet (Çeviri)
Accurate localization of interventional devices, like guidewires and catheters, is crucial for patient safety and the success of cardiovascular procedures. X-ray fluoroscopy, the most common imaging modality for guiding minimally invasive procedures, offers real-time device visualization but lacks soft tissue contrast and 3D spatial information, limiting precise guidance. This study addresses the need for 3D visualization by developing a deep learning based algorithm to estimate device geometry during cardiac catheterization using biplanar X-ray fluoroscopies. Extracted image frames from fluoroscopies were preprocessed and fed into a U-Net segmentation model to predict device masks, while their DICOM metadata was used to create a geometric model in Cartesian space, where labelled points from the masks were mapped onto detector planes as projections. X-ray vectors were traced between sources and detectors, and their intersections were found to give 3D points. Due to lack of volumetric data for comparison, the 3D model was back-projected to each perspective plane and compared with its original projections. Results showed Mean Absolute Errors of 1.19-5.25mm between original and back-projected points, with an average accuracy of 0.63, precision of 0.8, F1-score of 0.75, and recall of 0.72. The algorithm performed well for simple device structures, but faced limitations with complex shapes and multiple guidewires. Broader and multi-labelled datasets can further improve segmentation and reconstruction accuracy, while volumetric data and comparison with other reconstruction methods can provide better assessment. With its effectiveness against almost all simple structures, and a scalable framework for other interventional procedures as well, the algorithm shows promise in successfully reconstructing 3D geometry from biplanar fluoroscopies.
Benzer Tezler
- Bilgisayarlı mikro tomografi tarama izdüşümlerinin farklı cebirsel geri çatma yöntemleri ile analizlerinin incelenmesi
Investigation of analysis of computed micro tomography projection using different iterative reconstruction methods
GÖKER KÜLÜŞLÜ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Advanced computational tools for real-time MR imaging
Gerçek zamanlı MR görüntüleme için gelişmiş yazılım araçları
HARİS SAYBAŞILI
Doktora
İngilizce
2009
Mühendislik BilimleriBoğaziçi ÜniversitesiDOÇ. DR. CENGİZHAN ÖZTÜRK
PROF. DR. AHMET ADEMOĞLU
- Hepatik vasküler(Hepatik arteryal,venöz ve portal venöz) varyasyonların çok kesitli BT ile değerlendirilmesi
Evaluation of hepatic vascular (Hepatic arterial and venous, portal venous) variations by means of multislice computed tomographic scanning
ESİN CIBIROĞLU
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer TıpMarmara ÜniversitesiZootekni Bölümü
PROF. DR. DAVUT TÜNEY
- Auto-conversion from 2D drawing to 3D model with deep learning
Derin öğrenme ile 2B çizimden 3B modele oto-dönüşüm
GİZEM YETİŞ
Yüksek Lisans
İngilizce
2019
MimarlıkOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ARZU GÖNENÇ SORGUÇ
- TUM-RGBD derinlik görüntülerinin Gaussian Splat tabanlı (SPLATAM) medyan filtresi optimizasyonu ile 3B rekonstrüksiyon performansının artırılması
Enhancing 3D reconstruction performance of TUM-RGBD depth images using Gaussian Splat-based (SPLATAM) median filter optimization
CEMİL ZEYVELİ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FURKAN KAMANLI