Harmonic-Aware Transformer for Real-Time Catheter Localization in Interventional Procedures of Magnetic Particle Imaging

Technisches Resümee: Harmonik-bewusster Transformer für die Echtzeit-Katheterlokalisierung in der MPI

Problemstellung
Die Magnetpartikel-Bildgebung (MPI) bietet ein strahlungsfreies, echtzeitfähiges Bildgebungsverfahren, das für interventionelle Eingriffe zur Verfolgung von mit magnetischen Nanopartikeln beschichteten Instrumenten geeignet ist. Herkömmliche MPI-gestützte Interventionen verlassen sich jedoch auf Bildrekonstruktions-Pipelines (z. B. Systemmatrix-Inversion oder X-Space-Methoden), um die Position von Instrumenten zu bestimmen. Diese traditionellen Ansätze leiden unter hoher Rechenlatenz, Speicherbeschränkungen und potenzieller Bildunschärfe, was eine echte Echtzeitverfolgung behindert. Während Deep Learning bereits für die Bildrekonstruktion und Entrauschung in der MPI eingesetzt wurde, umgehen nur wenige Methoden den Rekonstruktionsschritt vollständig, um direkt die Koordinaten des Katheters aus den Rohsignalen vorherzusagen. Diese Arbeit adressiert die Notwendigkeit eines latenzarmen, hochgenauen Frameworks, das die rohen MPI-Spannungssignale direkt auf die 3D-Position der Katheterspitze abbildet, ohne eine intermediäre Bildbildung durchzuführen.

Methodik
Die Autoren schlagen ein Harmonik-bewusstes Transformer-Framework vor, das direkt im Frequenzbereich operiert. Die Methodik besteht aus drei primären Stufen:

1. Harmonik-bewusste Vorverarbeitung:

   • Rohe, komplexwertige MPI-Signale von drei Empfängerspulen ($x, y, z$) werden mittels Fast-Fourier-Transformation (FFT) in den Frequenzbereich transformiert.
   • Ein Bandpassfilter isoliert die 2. bis 8. Harmonische der Antriebsfeld-Frequenzen. Die Grundfrequenz wird ausgeschlossen, da sie von Modulationssignalen dominiert wird, während höhere Harmonische oft rauschdominiert sind.
   • Die gefilterten Real- und Imaginärkomponenten werden zu einem sechskanaligen Frequenzbereich-Merkmalsvektor zusammengeführt, wodurch bewegungsrelevante Spektralkomponenten erhalten bleiben und gleichzeitig das Signal-Rausch-Verhältnis (SNR) verbessert wird.

2. Transformer-Architektur:

   • Das Modell, bezeichnet als „Catheter Transformer“, nutzt eine 1D-Faltungsschicht, um die Frequenzbereichssignale zu Patch-Embeddings zu verarbeiten (Kernel-Größe $P=64$).
   • Eine sinusförmige Positionskodierung wird zu den eingebetteten Patches hinzugefügt, um die Sequenzreihenfolge zu bewahren.
   • Die Sequenz wird von sechs Encoder-Schichten verarbeitet, die jeweils acht Multi-Head Self-Attention (MHSA)-Köpfe enthalten. Diese Architektur ist darauf ausgelegt, langfristige zeitliche Abhängigkeiten und Querachsen-Korrelationen ($x, y, z$) innerhalb der Spektraldaten zu erfassen.
   • Ein Position-wise Feed-Forward-Netzwerk (FFN) mit GELU-Aktivierung folgt dem Attention-Mechanismus.
   • Die finale kodierte Repräsentation wird geglättet (flattened) und durch ein zweischichtiges Multilayer-Perzeptron (MLP) geleitet, um die 3D-Koordinaten der Katheterspitze ($\hat{x}, \hat{y}, \hat{z}$) zu regredieren.

3. Trainingsstrategie:

   • Das Modell wird unter Verwendung einer gewichteten mittleren absoluten Abweichung (MAE) als Verlustfunktion trainiert. Entscheidend ist hierbei, dass der $z$-Achsen-Wert einen höheren Gewichtungsfaktor erhält ($w_z > w_x = w_y$), um die inhärent geringere räumliche Auflösung der MPI entlang der Selektionsfeld-Gradientenrichtung zu kompensieren.
   • Das Training nutzt den AdamW-Optimizer mit einem Cosine-Annealing-Schema und Mixed-Precision-Beschleunigung.
   • Die Datenaugmentation umfasst Amplitudenskalierung und die Injektion von Gaußschem Rauschen zur Verbesserung der Generalisierung.

Zentrale Beiträge

• Rekonstruktionsfreies Framework: Die Studie führt einen signalgesteuerten Ansatz ein, der rohe MPI-Spannungssignale direkt auf 3D-Koordinaten abbildet und somit die rechenintensiven Schritte der Systemmatrix-Inversion und Bildrekonstruktion eliminiert.
• Harmonik-bewusste Vorverarbeitung: Eine neuartige Strategie, die selektiv die 2. bis 8. Harmonische extrahiert, um das SNR zu erhöhen und gleichzeitig kritische bewegungssensitive Spektralmerkmale zu bewahren.
• Transformer-basierte Signalmodellierung: Die Anwendung einer speziell auf MPI-Signale zugeschnittenen Transformer-Architektur zur Modellierung von spatio-temporalen Spektralmustern und Querachsen-Abhängigkeiten für eine präzise 3D-Lokalisierung.
• Umfassende Validierung: Eine extensive Evaluierung sowohl auf simulierten Datensätzen als auch auf realen in vitro experimentellen Daten (Standard-, Biege- und Herzschlag-Bewegungsprofile) demonstriert die Robustheit unter verschiedenen Bewegungsbedingungen.

Ergebnisse
Die vorgeschlagene Methode erreicht eine Lokalisierungsgenauigkeit im Sub-Millimeter-Bereich mit signifikanten Verbesserungen der Inferenzgeschwindigkeit:

• Genauigkeit: Auf dem Biege-Datensatz erreichte das Modell einen minimalen $L_2$-Fehler von 0,103 ± 0,092 mm und mittlere absolute Abweichungen (MAE) von 0,039 ± 0,046 mm ($x$), 0,054 ± 0,049 mm ($y$) und 0,060 ± 0,044 mm ($z$). Über alle Datensätze hinweg lag der MAE zwischen 0,165 mm und 0,655 mm.
• Leistung: Das optimierte Inferenzmodell erreichte eine Frame-Latenz von 0,55 ms und einen Durchsatz von etwa 1.800 Bildern pro Sekunde. Dieser Durchsatz übersteigt die MPI-Hardware-Erfassungsrate (ca. 23,2 Hz) erheblich, was die Echtzeitfähigkeit bestätigt.
• Ablationsstudien: Experimente bestätigten, dass der Bereich der 2. bis 8. Harmonischen den besten Kompromiss zwischen Informationsgehalt und Rauschrobustheit bietet. Die gewichtete Verlustfunktion erwies sich als entscheidend für die Balance der Genauigkeit über die Achsen hinweg, insbesondere zur Verbesserung der $z$-Achsen-Leistung.

Bedeutung
Das Paper behauptet, dass dieses Framework einen Paradigmenwechsel von der bildrekonstruktionsabhängigen Verfolgung hin zur direkten Signal-zu-Position-Abbildung darstellt. Durch die Eliminierung der Rekonstruktionspipeline bietet die Methode eine verbesserte Genauigkeit, reduzierte Latenz und erhöhte Robustheit unter komplexen Bewegungsbedingungen im Vergleich zu konventionellen MPI-gestützten Ansätzen. Die Ergebnisse unterstreichen das Potenzial von harmonik-bewussten Transformer-Modellen als effiziente, skalierbare Lösungen für die Echtzeit-Katheterlokalisierung in der interventionellen MPI, die eine Hochgeschwindigkeitsverfolgung ohne die computationalen Engpässe traditioneller Methoden ermöglichen. Die Autoren merken an, dass die aktuelle Validierung auf in vitro-Phantome und simulierte Daten beschränkt ist, der Ansatz jedoch die Grundlage für zukünftige in vivo-Anwendungen und die klinische Translation legt.