自动注册与持续的姿势更新,用于在脊椎外科手术中减少标记物的外科导航

科学领域:

• 医疗成像医学成像
• 计算机辅助手术 计算机辅助手术
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 已建立的脚螺杆放置系统具有准确性,但由于耗时,辐射暴露的注册和非直观的指导而遭受损害.
• 目前的方法缺乏现场,以外科医生为中心的反,突出了无辐射,自动注册和导航的需要.

研究的目的:

• 开发和验证一个没有标记物,没有辐射的系统,用于在腰椎融合中进行自动注册和增强现实引导导航.
• 为了解决传统的外科导航系统的局限性.

主要方法:

• 一个深度神经网络被训练为自动腰椎细分和方向预测.
• 该系统使用GPU加速实时完善脊椎姿势,并与增强现实导航系统集成,以以外科医生为中心的指导.
• 采用了无标记剂的方法,以消除对手术内标记物的需求.

主要成果:

• 在公开数据集上,成功注册的中位数为100%,中位数误差为2.7mm (目标注册),1.6° (螺丝轨迹) 和2.3mm (螺丝入口点).
• 实体验证证明了100%的螺丝精度和1.0毫米的中位数目标注册误差.
• 该系统在实时更新期间成功处理了外科医生遮.

结论:

• 开发的基于深度学习的系统提供了准确的,无辐射的注册和增强现实指导,用于腰椎脊髓融合.
• 结果符合临床需求,展示了RGB-D数据在手术中用于自动注册和AR指导的潜力.