看看:学习软组织变形从拉皮镜视频用GNNs软组织变形
IEEE transactions on bio-medical engineering
|July 15, 2024
概括
这项研究引入了一种新的图形神经网络 (GNN) 方法,用于跟踪腹腔镜手术期间软组织变形. 该方法准确地预测可见区域的组织运动,改善动态环境中的外科导航.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 手术机器人手术机器人手术机器人手术机器人
背景情况:
- 腹腔镜手术面临软组织变形和暂时视力丧失的挑战,阻碍图像引导导航.
- 现有的注册和定位方法对于动态,形状变化的软组织是不可靠的.
- 在动态的手术环境中,重新访问以前见过的区域是有问题的,这限制了技术采用.
研究的目的:
- 开发一种新的方法来估计腹腔镜手术期间可观察到的区域的变形软组织状态.
- 在动态环境中解决当前图像引导手术技术的局限性.
- 通过补偿非刚性组织运动来提高外科导航的可靠性.
主要方法:
- 使用图形神经网络 (GNN) 学习和估计软组织表面变形.
- 训练数据是从半自动处理的立体腹腔镜视频中生成的.
- 使用特征检测,深度估计和Delaunay三角测量创建了表面网格.
主要成果:
- 该GNN方法成功地预测了以前可见的软组织与目前可见区域相连的移位.
- 该方法在患者和猪手术数据上都表现出有效性.
- 该方法补偿了使用立体腹腔镜视频的腹部内镜场景中的非刚性.
结论:
- 这种基于GNN的新方法有效地估计了动态腹腔镜手术中的软组织变形.
- 这种方法通过补偿组织的不刚性来增强外科导航.
- 该技术在各种动态的外科环境中具有潜在的应用.
