疎な任意姿勢のリアルX線からの術中3D再構成

科学分野:

• 医用画像処理
• コンピュータビジョン
• 手術ナビゲーション

背景:

• 脊椎手術には、画像ベースシステムをしばしば使用する精密なナビゲーションが必要である。
• 蛍光透視法からの3D解剖学的構造再構成のための教師あり学習には、データ要件や一般化の問題など、限界がある。
• ガウシアン スプラッティングのようなインスタンス学習法は可能性を提供するが、疎な術中X線には応用されていない。

研究 の 目的:

• 疎で任意姿勢の術中X線から解剖学的に一貫した3Dボリュームを再構成するために、ガウシアン スプラッティングを拡張すること。
• 解剖学的構造ガイド付き放射線標準化技術を使用して、再構成品質と視覚的一貫性を向上させること。
• 事前学習不要で適応可能なフレームワークを術中3Dイメージングに実証すること。

主な方法:

• 3Dボリューム再構成のために[数式：テキスト参照]ガウシアン スプラッティングフレームワークを拡張した。
• 視覚的一貫性を向上させるために、スタイル転送を用いた解剖学的構造ガイド付き放射線標準化を実装した。
• 生体外データセットでアプローチを評価し、臨床的有用性と定量的指標を評価した。

主要な成果:

• 事前学習なしで疎視点X線から解剖学的に一貫した3D再構成を達成した。
• 標準化ステップにより、解剖学的鮮明度と再構成品質が向上した。
• 専門家による外科的評価により、20〜30回の撮影でナビゲーションにおける臨床的有用性が確認された。
• 定量的指標はパフォーマンスのトレードオフを示したが、標準化の利点を検証した。

結論:

• 任意疎視点X線からのインスタンスベース3Dボリューム再構成の実現可能性を実証した。
• 提案されたフレームワークは、脊椎手術ナビゲーションのための術中3Dイメージングを進歩させる。
• この方法は、事前学習なしで新しい患者や解剖学的構造に適応可能である。