背骨の横方向の2-D超音波画像における自動正常識別

効果的な硬膜外針の配置と注入には、脊椎の正中線の正確な識別が含まれます。超音波は、安全な前処理イメージングモダリティとして、脊椎の解剖学の適切な視認性を提供するため、硬膜外のガイダンスに適しています。ただし、特に初心者にとっては、画像の解釈は依然として重要な課題です。深いニューラルネットワークが提案されており、椎骨の横方向の超音波画像を自動的に分類し、正中線を識別します。中心外のフレームから正中線の画像を区別するために、提案されたネットワークは左右の対称的な解剖学的ランドマークを検出します。正中線検出のための提案された方法の実現可能性を評価するために、身体質量指数が30未満の20人のボランティアから超音波画像のデータセットが収集されました。データはトレーニングとテストのために2つのセグメントに分割されました。提案された方法のパフォーマンスは、4倍のクロス検証を使用してさらに評価されました。さらに、最先端の深いニューラルネットワークと比較されました。専門家の超音波検査学者が提供するゴールドスタンダードと比較して、提案された訓練されたネットワークは、目に見えないテスト患者の横方向の平面の88％を正しく分類しました。この機能は、硬膜外針の配置を導く最初のステップをサポートします。

Effective epidural needle placement and injection involves accurate identification of the midline of the spine. Ultrasound, as a safe pre-procedural imaging modality, is suitable for epidural guidance because it offers adequate visibility of the vertebral anatomy. However, image interpretation remains a key challenge, especially for novices. A deep neural network is proposed to automatically classify the transverse ultrasound images of the vertebrae and identify the midline. To distinguish midline images from off-center frames, the proposed network detects the left-right symmetric anatomic landmarks. To assess the feasibility of the proposed method for midline detection, a data set of ultrasound images was collected from 20 volunteers, whose body mass indices were less than 30. The data were split into two segments, for training and test. The performance of the proposed method was further evaluated using fourfold cross validation. Moreover, it was compared against a state-of-the-art deep neural network. Compared with the gold standard provided by an expert sonographer, the proposed trained network correctly classified 88% of the transverse planes from unseen test patients. This capability supports the first step of guiding the placement of an epidural needle.