在腹腔镜肝切除中神经患者特异的3D-2D注册
Islem Mhiri1, Daniel Pizarro2, Adrien Bartoli3
1EnCoV, IP, UMR6602 CNRS/UCA, Clermont-Ferrand, France. islemmhiri1993@gmail.com.
概括
一个新的神经网络模型 (NM) 为增强现实手术提供了更快,更准确的3D-2D肝脏注册. 这一进步通过在腹腔镜手术过程中实现实时3D模型对齐来改善外科指导.
科学领域:
- 医学成像医学成像
- 手术技术手术技术的使用.
- 计算机辅助手术是计算机辅助的手术.
背景情况:
- 腹腔镜切除肝脏的增强现实 (AR) 需要精确的3D到2D模型注册.
- 挑战包括肝脏变形和有限的手术内可见性.
- 目前的注册方法是计算密集型的,需要手动初始化.
研究的目的:
- 引入第一个神经网络模型 (NM) 用于3D-2D肝脏注册.
- 解决现有方法的计算费用和手动初始化问题.
- 为了实现实时注册,以获得增强的外科指导.
主要方法:
- 神经网络模型 (NM) 从2D图像的地标预测了3D模型的变形系数.
- 患者特定的模型使用手术前3D模型的合成数据进行训练.
- 使用肝脏形状建模技术来降低计算复杂性.
主要成果:
- NM方法的准确性与现有的数值优化技术相提并论.
- NM证明了显著更快的计算速度,使实时推断成为可能.
- 这代表了手术内外科手术指导的重大进步.
结论:
- 拟议的NM是第一个用于3D-2D肝脏注册的神经网络方法.
- 初步结果显示,精准度与计算效率相比较高,具有竞争力.
- 这种方法有可能在外科手术中显著推进肝脏注册技术.
