一个扩散刺激的CT-US注册模型,具有自我监督的学习和合成到真实领域的适应
Shangxuan Li1, Biao Jia1, Weiming Huang2
1Hanglok-Tech Co., Ltd., Zhuhai, China.
概括
这项研究引入了一种新的扩散刺激模型,用于精确的2D超声波 (US) 到3D计算机断层扫描 (CT) 在腹部手术中的注册. 该方法可以在没有昂贵的传感器的情况下实现准确,实时和强大的图像对齐.
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:
- 准确的2D超声波 (美国) 到3D计算机断层扫描 (CT) 登记对于腹部干预程序至关重要,但面临成本,实时性能和域调整方面的挑战.
- 现有的深度学习方法往往需要大量的手册注释,或者努力弥合不同成像模式之间的差距.
研究的目的:
- 开发一种新,强大且具有成本效益的方法,用于在腹部干预中精确的CT-US注册.
- 克服传统跟踪传感器和当前深度学习方法的局限性,以实现跨模式的图像对齐.
主要方法:
- 提出了一个扩散刺激的CT-US注册模型,使用物理扩散特性从CT数据生成合成US图像.
- 使用扩散模型的合成到真实域调整策略,以减少真实和合成美国图像之间的差异.
- 一个双流自主监督回归神经网络在合成数据上进行训练,用于CT空间内的姿势估计.
主要成果:
- 拟议的方法准确地初始化了美国图像的姿势,在可接受的错误范围内,并将其精细化为精确的对齐.
- 使用双模式人类腹部幻影的验证证明了该方法的有效性.
- 该方法实现了CT和US图像的实时,跟踪器独立和强大的刚性注册.
结论:
- 这种新型的扩散刺激模型为腹部干预的CT-US图像注册提供了显著的进步.
- 这种方法为实时图像指导提供了具有成本效益,准确和强大的解决方案,提高了程序安全性和效率.
