一种基于点云和深度学习的空间注册方法,用于增强现实神经外科导航

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 计算机辅助手术 计算机辅助手术

背景情况:

• 准确的空间注册对于有效的外科导航至关重要.
• 现有方法在精度和效率方面可能存在局限性.
• 深度学习和点云处理提供了潜在的进步.

研究的目的:

• 提出和评估用于外科导航的新型空间记录方法.
• 利用深度学习和点云技术来提高准确性.
• 为了提高神经外科导航系统的效率.

主要方法:

• 开发基于深度学习的神经网络,用于点云注册.
• 使用图像处理将医疗图像转换为点云.
• 采用结构光机器人用于患者表面点云提取.
• 实施混合注册方法,将神经网络和ICP算法结合起来.

主要成果:

• 实现了0.961°的旋转注册误差 (RRE) 和0.118mm的转移注册误差 (TRE).
• 在幻影实验中显示了0.622毫米的表面注册误差.
• 在幻影实验中报告了0.748毫米的目标注册错误.

结论:

• 拟议的点云和基于深度学习的空间注册方法提高了神经外科导航的准确性.
• 该方法提高了外科导航系统的整体效率.
• 这种方法对推进计算机辅助神经外科手术有前途.