混合KLT-LSTM跟踪技术：用于二维超声引导下的器官治疗中实现鲁棒的器官运动监测

《IEEE Transactions on Biomedical Engineering》：Hybrid KLT—LSTM Tracking for Robust Organ Motion Monitoring in 2D Ultrasound-Guided End-Organ Therapies

本研究提出一种结合改进的KLT跟踪器和LSTM预测器的超声运动跟踪框架，有效解决肝脏脾脏在呼吸运动中的定位偏差问题，实验显示脾脏跟踪误差在0.4±0.4mm（慢呼吸）至1.37±0.9mm（深呼吸），肝脏误差0.3±0.2mm，为超声引导治疗炎症和糖尿病提供了高精度解决方案。

　　

摘要：

目的：近期研究强调了超声（US）刺激作为非侵入性工具的潜力，可用于调节脾脏和肝脏中的神经和细胞信号传导，以治疗炎症性疾病和糖尿病。然而，诸如神经激活失败、脱靶刺激以及呼吸时器官运动等问题可能会影响治疗效果。本研究提出了一种新的跟踪框架，利用超声成像技术准确追踪肝脏和脾脏的运动，以克服这些挑战。方法：该跟踪框架结合了改进的Kanade–Lucas–Tomasi（EKLT）跟踪器与长短期记忆（LSTM）预测器。EKLT跟踪器提供精确的注释，有助于LSTM的训练；而LSTM则通过基于先前数据进行预测并动态调整感兴趣区域（ROI），来补偿遮挡和噪声。研究使用了10名参与者在四种不同呼吸模式下的40次记录数据来评估脾脏运动追踪效果；同时，该方法还在MICCAI提供的9名受试者的肝脏运动数据集上进行了验证。结果：在缓慢、浅表的呼吸过程中，脾脏追踪的准确度最高，平均误差为0.4毫米；而在快速、深层的呼吸过程中，平均误差为1.37毫米。结论：EKLT-LSTM框架相较于以往的跟踪模型具有优势，能够在遮挡和噪声环境下实现高精度追踪。意义：EKLT-LSTM适用于器官调节应用，并可扩展到其他超声引导疗法和生物电子医学领域。

引言

在广泛的医学影像应用中，如放射治疗、机器人辅助手术、诊断成像和影像引导干预[1]、[2]、[3]、[4]，都受到呼吸引起的运动（RIM）的挑战。RIM可能导致图像伪影、诊断精度下降、与健康周围组织的错位以及治疗效果受损。运动追踪是一种有效的技术，可用于克服RIM带来的问题。从线性滤波器到深度学习，各种追踪和预测模型已被用于目标位置估计[5]、[6]、[7]、[8]、[9]。主要制造商已开发出RIM追踪设备，其中一些已投入临床使用[10]、[11]。文献综述强调了运动追踪在提高精度、降低侵入性以及改善患者预后方面的作用[12]。随着新的治疗方式的出现，需要重新审视这些方法。在周围神经和器官调节研究中，包括我们自己的研究，已经表明对脾神经和脾脏进行非侵入性超声（US）刺激可以激活胆碱能抗炎通路（CAP），从而减少细胞因子释放和炎症[13]、[14]、[15]、[16]。这种基于超声的方法可能有助于治疗多种炎症性疾病，例如类风湿性关节炎[14]。最近的研究表明，肝脏超声刺激能够调节调节血糖水平的通路[13]、[17]、[18]，这为治疗糖尿病和肥胖症提供了潜在方案。与其他医学靶向应用类似，神经和器官刺激也面临挑战。先前的研究表明，只有当针对特定器官区域（如肝脏中的葡萄糖感应神经元）时，才会产生反应[13]，这突显了精确能量传递的重要性。此外，器官运动（包括由RIM引起的运动）会使得维持超声能量在目标区域变得复杂，因此需要考虑较大运动对追踪精度的影响。