快速患者特异的神经网络用于手术内X射线到体积记录

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 手术导航 手术导航

背景情况:

• 精确的2D/3D图像注册对于图像导向干预至关重要,它可以从2D模式中提取3D信息.
• 目前的方法,如传统的优化和监督的神经网络与一般化作斗争,需要广泛的调整或手动注释.
• 这限制了它们在各种程序,患者解剖学和临床环境中的适用性.

研究的目的:

• 引入xvr,这是一个完全自动化的框架,用于训练2D/3D注册的患者特定神经网络.
• 在概括和临床负担方面克服现有方法的局限性.
• 为了能够快速准确地将手术期间的二维X射线图像与手术前的三维图像进行对齐.

主要方法:

• xvr使用基于物理的模拟来从患者自己的手术前体积成像生成广泛的高质量的训练数据.
• 这种方法绕过了手工注释的需要,并改善了模型的概括性.
• 该框架训练患者特定的神经网络,实现快速计算时间 (每患者5分钟).

主要成果:

• 在真实X射线数据上对2D/3D注册算法的最大评估表明,在各种解剖结构,成像模式和医院中具有强大的概括性.
• xvr在手术内速度实现了亚毫米准确的记录,比现有方法高出一个数量级.
• 该框架被证明适用于紧急和计划干预.

结论:

• xvr为患者特定的2D/3D注册提供了强大的自动化解决方案,解决了当前技术的关键局限性.
• 该框架的效率和准确性显著提高了以图像为指导的干预措施.
• xvr是作为开源软件发布的,促进了更广泛的采用和进一步的研究.