本文介绍了一种基于深度学习的实时导管和导丝分割方法，适用于X射线成像指导的介入手术。该方法在多个实验中展现出高精度和快速推断能力，提升了设备的检测和跟踪效果。同时，推出的CathAction数据集为腔内手术研究提供了丰富的标注支持，推动了相关技术的发展。

本文介绍了一种自我监督深度学习架构，用于在超声图像中分割导管，消除对标记数据的需求。该模型在合成数据上验证，显示出在临床应用中的潜力。此外，提出了多种深度学习框架用于设备检测和跟踪，表现出优越的性能和鲁棒性，满足临床需求。