参数MAA:快速,以对象为中心,避免在手术内CBCT的金属工件
Maximilian Rohleder1,2, Andreas Maier3, Bjoern Kreher4
1Pattern Recognition Lab, Friedrich-Alexander-University, Martenstraße 3, 91058, Erlangen, Germany. Maxi.Rohleder@fau.de.
概括
一种新的参数金属工件回避 (P-MAA) 方法使用圆形模型来快速,高效地优化CBCT成像中的轨迹. 这种方法通过专注于临床相关的物体来提高图像质量,克服现有的金属工件避免技术的局限性.
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
- 整形外科成像 整形外科成像
背景情况:
- 术内CBCT成像中的金属工件阻碍了关键区域的可视化,特别是在骨科和创伤外科手术中.
- 现有的金属工件避免 (MAA) 方法通常由于计算需求而在临床上失败,并专注于非必要的对象.
研究的目的:
- 引入一种新的参数金属工件回避 (P-MAA) 方法,以解决当前MAA技术的局限性.
- 在CBCT成像中开发一个计算高效的轨迹优化方法.
主要方法:
- 使用深度学习模型来检测侦察视图中的关键点,用于对相关对象的圆模型建模.
- 设计基于圆形表示的计算效率高的评分指标,以实现基于CPU的快速轨迹优化.
- 使用模拟和真实临床数据训练和验证对象本地化模型.
主要成果:
- 检测模型实现了0.78的平均回忆率,显示了对临床病例的概括性.
- 基于圆的评分方法与光线追踪结果非常接近,并且在复杂的场景中被证明是有效的.
- 圆形方法证明了33倍的速度增加,而不需要GPU加速.
结论:
- 该P-MAA方法提供了一个可行的解决方案,用于手术内CBCT金属工件避免.
- 允许快速的轨迹优化,专注于临床相关的结构.
- 代表着对MAA实践临床实施的重大进展.
