基于增强的旋转变压器框架的实时内科2D和手术前3DX射线图像注册的强大方法

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 手术技术 手术技术

背景情况:

• 图像引导手术 (IGS) 依赖于精确的2D X-ray和3D CT图像注册来定位病变.
• 由于复杂的优化挑战,传统方法面临速度和精度的限制.
• 深度学习 (DL) 为先进的2D-3D医疗图像注册提供了一个有前途的方法.

研究的目的:

• 开发一种基于深度学习的快速,强大和准确的方法,用于2DX射线和3DCT注册.
• 为了改善图像引导手术中的病变定位.
• 提高手术干预的效率和安全性.

主要方法:

• 一种使用双通道Swin变压器特征提取器的新型深度学习方法.
• 纳入注意力机制和特征金字塔,以增强特征相关性.
• 输入:手术期间的二维X射线图像;输出:与手术前的3DCT相对的姿势 (x,y,z,pitch,yaw,roll)

主要成果:

• 实现了高姿势估计精度,平均旋转误差为0.142°,转移误差为0.362mm.
• 证明每次注册的快速处理时间为0.02秒.
• 在各种噪音级别中保持零注册故障,表明了稳定性.

结论:

• 拟议的基于DL的2D-3D注册方法是快速,准确和强大的.
• 它显示出改善外科导航,放射治疗和其他临床应用的巨大潜力.
• 这种算法可以提高图像引导手术的整体准确性和效率.