将规范化的凯尔文莱特函数和有限元法用于记录医疗图像与稀疏器官数据进行比较

科学领域:

• 医学成像医学成像
• 手术机器人手术机器人手术机器人手术机器人手术机器人
• 计算力学是计算力学.

背景情况:

• 图像引导手术依赖于准确的患者数据对齐.
• 在手术期间软组织变形会影响引导系统的准确性.
• 现有的非刚性注册方法面临着数据稀疏性和计算时间的挑战.

研究的目的:

• 开发和评估一种新的注册算法,用于在图像引导手术中补偿软组织变形.
• 解决当前注册技术中计算时间和数据稀疏性的局限性.
• 用规范化的凯尔文度来证明一种新方法的临床适用性.

主要方法:

• 提出了一种使用规范化的凯尔文子,线性弹性的分析解决方案的注册算法.
• 将规范化的凯尔文莱特算法与基于有限元素的注册方法进行比较.
• 在虚幻肝变形数据集和体内乳腺变形数据集上验证了算法.

主要成果:

• 与有限元素方法相比,规范化的凯尔文莱茨算法实现了显著的计算时间缩短.
• 这两种方法的准确性,以目标注册错误来衡量,是可比的.
• 平均目标注册误差为4.6 ± 1.0毫米 (Kelvinlets) 和3.2 ± 0.8毫米 (FEM) 肝脏;5.4 ± 1.4毫米 (Kelvinlets) 和6.4 ± 1.5毫米 (FEM) 乳房.

结论:

• 规范化的凯尔文网为非刚性图像到物理注册提供了一个计算效率高,准确的替代方案.
• 该方法在不同的软组织器官 (包括肝脏和乳腺) 中显示了可通用性.
• 这种方法有可能加速和加强图像引导手术的注册.