Neural network approach for catheter tracking in ultrasound images

Brain tumors represent one of the main causes of death in the world. In order to treat such disease, surgical resection or pharmaceutical treatments are usually employed. However, surgical resection is not always a feasible solution. Therefore, the capability to find an effective drug release strategy is crucial. Due to the presence of the Blood Brain Barrier, oral or intravascular drug release is highly ineffective in the brain. Therefore, drugs are usually released locally, by means of a catheter. In order to guide the catheter insertion and to provide the surgeon a visual feedback during the procedure, Bioimages are often acquired in room. The capability to provide real time 3D information and its non-invasive nature, makes Ultrasound Imaging technique particularly suited to guide catheter’s insertion. However, the low Signal to Noise Ratio and image quality, makes it challenging to detect and track the catheter on ultrasound images. In this thesis, a Deep Neural Netowrk -based approach is proposed, for automatic catheter’s detection on 3D ultrasound data. The proposed method represents a powerful and safe tool to help the surgeon during the insertion procedure, providing him/her the 3D position of the catheter during the whole operation. The method performances are evaluated in terms of Accuracy and Dice coefficient and compared with the state of the art.

I tumori al cervello rappresentano una delle principali cause di morte nel mondo. Per trattare queste patologie, si ricorre generalmente alla rimozione chirurgica o a specifici trattamenti farmacologici. Tuttavia, la rimozione chirurgica non sempre rappresenta una soluzione possibile. Per questo motivo, è di fondamentale importanza trovare una strategia efficace per il rilascio dei farmaci. La presenza della Barriera Sangue-Cervello rende la somministrazione dei farmaci orale e intravascolare estremamente inefficace. Per questo motivo, i farmaci sono generalmente rilasciati localmente nel cervello attraverso l’utilizzo di cateteri. Al fine di guidare l’inserzione dei cateteri, spesso vengono acquisite immagini biomediche in-room. La capacità di fornire informazioni tridimensionali in tempo reale e il fatto di non essere invasiva, rende la tecnica di Imaging ecografico particolarmente adatta a tale scopo. In questa tesi viene presentato un metodo basato su Reti Neurali Artificiali per la segmentazione automatica del catetere su dati ecografici tridimensionali. Il metodo proposto rappresenta uno strumento efficace e non invasivo per guidare il chirurgo durante la procedura di inserzione, fornendogli/le la coordinate 3D del catetere durante l’intera operazione. Le performance del metodo sono state valutate e confrontate con lo stato dell’arte.