NEAT-Net:一个无监督的交叉视图先前涂漆网络,用于CBCT金属工件减少

科学领域:

• 医疗成像医学成像
• 手术导航 手术导航
• 计算机辅助手术 计算机辅助手术

背景情况:

• 内手术圆束计算机断层扫描 (CBCT) 对于最小侵入性脊柱手术 (MISS) 导航至关重要.
• 在CBCT图像中,植入物中的金属工件会降低图像质量,并损害外科准确性.
• 现有的金属工件减少 (MAR) 算法缺乏交叉视图信息的利用,导致二次工件.

研究的目的:

• 为CBCT金属工件减少 (MAR) 开发一个新的无监督网络,利用交叉视图信息.
• 通过减轻金属植入物造成的工件来提高CBCT引导的MISS的准确性.
• 在MISS程序中提高外科导航的安全性和可靠性.

主要方法:

• 拟议的NEAT-Net,为CBCT MAR.提供一个不受监督的交叉视图预先涂漆网络.
• 开发了一个交叉查看先前的多尺度inpainting模块,以学习交叉查看的补充信息.
• 实现了混合特征注意模块,用于交叉视图特征的自适应融合.
• 直接在受金属影响的数据上使用无监督训练方法.

主要成果:

• NEAT-Net有效地减少了CBCT图像中的金属文物.
• 拟议的方法保留了解剖细节,避免了二次工件.
• 在临床数据集上的实验验证证明了算法的有效性.
• 改进的图像质量提高了MISS.中的操作内导航的精度.

结论:

• 在CBCT MAR中,NEAT-Net为MISS提供了显著的进步.
• 无监督的交叉视图方法克服了现有的MAR技术的局限性.
• 这种方法有可能提高MISS程序的准确性和安全性.
• 进一步的研究可能会探索整合到实时手术导航系统.