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

Resumen Técnico: Transformer con Conciencia Armónica para la Localización de Catéteres en Tiempo Real en MPI

Planteamiento del Problema
La Imagen de Partículas Magnéticas (MPI) ofrece una modalidad de imagen en tiempo real y libre de radiación, adecuada para procedimientos intervencionistas mediante el seguimiento de instrumentos recubiertos con nanopartículas magnéticas. Sin embargo, las intervenciones guiadas por MPI convencionales dependen de procesos de reconstrucción de imágenes (por ejemplo, inversión de la matriz del sistema o métodos de espacio-X) para determinar las posiciones de los instrumentos. Estos enfoques tradicionales sufren de alta latencia computacional, restricciones de memoria y un potencial desenfoque de la imagen, lo que dificulta el seguimiento en tiempo real genuino. Aunque el aprendizaje profundo se ha aplicado a la MPI para la reconstrucción de imágenes y la reducción de ruido, pocos métodos omiten el paso de reconstrucción por completo para predecir directamente las coordenadas del instrumento a partir de las señales crudas. Este artículo aborda la necesidad de un marco de baja latencia y alta precisión que mapee directamente las señales de voltaje de MPI a posiciones 3D de la punta del catéter sin la formación de imágenes intermedias.

Metodología
Los autores proponen un marco de Transformer con Conciencia Armónica que opera directamente en el dominio de la frecuencia. La metodología consta de tres etapas primarias:

1. Preprocesamiento con Conciencia Armónica:

   • Las señales de MPI de valores complejos crudos de tres bobinas de recepción ($x, y, z$) se transforman al dominio de la frecuencia mediante la Transformada Rápida de Fourier (FFT).
   • Un filtro de paso de banda aísla los armónicos del 2º al 8º de las frecuencias de campo de excitación. Se excluye la frecuencia fundamental, ya que está dominada por señales de modulación, mientras que los armónicos de orden superior suelen estar dominados por el ruido.
   • Los componentes reales e imaginarios filtrados se concatenan para formar un vector de características de seis canales en el dominio de la frecuencia, preservando los componentes espectrales relevantes para el movimiento y mejorando la relación señal-ruido (SNR).

2. Arquitectura Transformer:

   • El modelo, denominado "catheter transformer", utiliza una capa convolucional 1D para el parcheo de las señales en el dominio de la frecuencia (tamaño de núcleo $P=64$).
   • Se añade un codificación posicional sinusoidal a los parches embebidos para retener la información del orden de la secuencia.
   • La secuencia es procesada por seis capas de codificador, cada una con ocho cabezales de autoatención de múltiples cabezales (MHSA). Esta arquitectura está diseñada para capturar dependencias temporales de largo alcance y correlaciones entre ejes ($x, y, z$) dentro de los datos espectrales.
   • Una red de alimentación hacia adelante (FFN) por posición con activación GELU sigue al mecanismo de atención.
   • La representación codificada final se aplana y se pasa a través de un MLP de dos capas para la regresión de las coordenadas 3D de la punta del catéter ($\hat{x}, \hat{y}, \hat{z}$).

3. Estrategia de Entrenamiento:

   • El modelo se entrena utilizando una función de pérdida de Error Absoluto Medio (MAE) ponderado. Crucialmente, al eje $z$ se le asigna un peso mayor ($w_z > w_x = w_y$) para compensar la resolución espacial inherentemente menor de la MPI a lo largo de la dirección del gradiente del campo de selección.
   • El entrenamiento utiliza el optimizador AdamW con un esquema de recocido de coseno y aceleración de precisión mixta.
   • La aumentación de datos incluye el escalado de amplitud e inyección de ruido gaussiano para mejorar la generalización.

Contribuciones Clave

• Marco Libre de Reconstrucción: El estudio introduce un enfoque impulsado por la señal que mapea directamente las señales de voltaje de MPI a coordenadas 3D, eliminando la costosa inversión de la matriz del sistema y los pasos de reconstrucción de imagen.
• Preprocesamiento con Conciencia Armónica: Una estrategia novedosa que extrae selectivamente los armónicos del 2º al 8º para mejorar la SNR mientras se retienen las características espectrales críticas sensibles al movimiento.
• Modelado de Señal Basado en Transformer: La aplicación de una arquitectura transformer específicamente adaptada para señales de MPI para modelar patrones espectrales espaciotemporales y dependencias entre ejes para una localización 3D precisa.
• Validación Exhaustiva: Evaluación extensa tanto en conjuntos de datos simulados como en datos experimentales in vitro reales (perfiles de movimiento estándar, de flexión y de latido cardíaco), demostrando robustez bajo diversas condiciones de movimiento.

Resultados
El método propuesto logra una localización submilimétrica de precisión con mejoras significativas en la velocidad de inferencia:

• Precisión: En el conjunto de datos de flexión, el modelo logró un error $L_2$ mínimo de 0.103 ± 0.092 mm y Errores Absolutos Medios (MAE) de 0.039 ± 0.046 mm ($x$), 0.054 ± 0.049 mm ($y$), y 0.060 ± 0.044 mm ($z$). En todos los conjuntos de datos, el MAE osciló entre 0.165 mm y 0.655 mm.
• Rendimiento: El modelo de inferencia optimizado logró una latencia de fotograma de 0.55 ms y un rendimiento de aproximadamente 1,800 fotogramas por segundo. Este rendimiento supera significativamente la tasa de adquisición del hardware de MPI (aprox. 23.2 Hz), confirmando la capacidad de tiempo real.
• Estudios de Ablación: Los experimentos confirmaron que el rango de armónicos del 2º al 8º ofrece el mejor equilibrio entre información espacial y robustez al ruido. Se demostró que la función de pérdida ponderada es crítica para equilibrar la precisión entre los ejes, mejorando particularmente el rendimiento del eje $z$.

Significado
El artículo afirma que este marco representa un cambio de la localización dependiente de la reconstrucción de imágenes hacia el mapeo directo de señal a posición. Al eliminar el proceso de reconstrucción, el método proporciona mejor precisión, menor latencia y mayor robustez bajo condiciones de movimiento complejo en comparación con los enfoques convencionales guiados por MPI. Los resultados resaltan el potencial de los modelos transformer con conciencia armónica como soluciones eficientes y escalables para la localización de catéteres en tiempo real en MPI intervencional, permitiendo un seguimiento de alta velocidad sin los cuellos de botella computacionales de los métodos tradicionales. Los autores señalan que, si bien la validación actual se limita a maniquíes in vitro y datos simulados, el enfoque sienta las bases para futuras aplicaciones in vivo y traslación clínica.