对肝脏表面注册的非刚性注册技术的比较分析
Bipasha Kundu1, Zixin Yang1, Richard Simon2
1Center for Imaging Science, Rochester Institute of Technology, Rochester, NY 14623, USA.
概括
高斯混合模型 - 有限元模型 (GMM-FEM) 方法在非刚性肝脏注册中显示出卓越的性能,即使在具有挑战性的可见性和变形的情况下,也准确地对准了手术前和手术期间的数据. 这为外科导航提供了一个有前途的解决方案.
科学领域:
- 医疗成像医学成像
- 手术导航 手术导航
- 计算解剖学的计算解剖学
背景情况:
- 基于非刚性表面的软组织注册对于外科导航至关重要,但面临复杂的手术内数据的挑战.
- 准确的注册可以实时可视化患者解剖学,增强外科指导.
- 现有的注册方法,特别是肝脏应用,往往缺乏可访问性.
研究的目的:
- 为了比较分析开源,非刚性表面的肝脏注册算法.
- 确定不同注册方法的优点和缺点.
- 为了确定一个最优的算法,用于在手术前到手术后的肝脏注册.
主要方法:
- 评估了四种非刚性注册算法:三种基于优化和一个基于数据的.
- 评估了算法对表面可见性降低和变形水平增加的稳定性.
- 使用根平均平方误差 (RMSE) 在术前和术后肝脏表面之间的定量注册准确性.
主要成果:
- 高斯混合模型 - 有限元模型 (GMM-FEM) 方法在注册后的误差始终较低.
- 在可见度降低和变形增加的情况下,GMM-FEM的性能优于其他方法.
- 所有测试的算法都显示出更高的误差,更高的变形和可见性降低.
结论:
- GMM-FEM方法为非刚性肝脏表面注册提供了强大而有前途的解决方案.
- 这种方法可以提高手术导航系统的准确性,整合手术前和手术期间的数据.
- 开源的比较分析对于推进外科指导技术至关重要.
