在 laparoscopic 肝脏手术中使用关键点对应注册网络进行点云注册

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
• 几何深度学习 几何深度学习

背景情况:

• 腹腔镜肝脏手术是一种微创的技术.
• 增强现实 (AR) 通过叠加手术前CT模型与手术内腹腔镜视频来提高手术精度.
• 准确的点云注册对于外科手术中的AR至关重要,但由于器官表面特征有限,视野小,因此面临挑战.

研究的目的:

• 为AR辅助腹腔镜肝脏手术开发一种新的点云注册方法.
• 为了应对腹腔镜数据注册中不良表面特征和低重叠的挑战.
• 提高使用AR的微创性肝脏手术的准确性和安全性.

主要方法:

• 提出了关键点通信注册网络 (KCR-Net).
• 使用邻近特征融合模块 (NFFM) 进行全面的特征表示.
• 实现了用于注册的直接关键点和权重生成,即使重叠很小,也可以实现准确的对齐.

主要成果:

• 在实验中,KCR-Net表现出卓越的注册准确性.
• 该方法有效地处理腹腔镜中常见的稀疏和功能较差的点云.
• 实现了适用于现实世界临床应用的注册能力.

结论:

• KCR-Net显著提升了AR导向腹腔镜肝脏手术的点云注册.
• 拟议的网络克服了现有的注册技术的主要局限性.
• 这项技术有望提高未来的微创手术程序的安全性和精度.