视觉指导手术导航使用计算机视觉进行动态手术内成像更新

科学领域:

• 医学成像
• 计算机视觉
• 手术技术

背景情况:

• 在内镜手术 (ESS) 后的残留疾病导致不良结果和重复手术.
• 目前的图像指导手术系统缺乏动态的手术内更新.
• 建议使用神经辐射场 (NeRF) 进行手术内CT更新的无传感器视频方法.

研究的目的:

• 开发和验证使用NeRF进行动态手术内CT更新的新方法.
• 与手术前CT扫描相比,评估NeRF生成的3D外科现场重建的准确性.
• 评估这项技术在ESS中提高外科完整性的潜力.

主要方法:

• 在3D打印模型上进行双边ESS.
• 用自定义的NeRF管道处理内镜视频进行3D重建.
• 使用Hausdorff距离,DSC和BAA,将NeRF重建与手术前的CT扫描共同记录,并生成更新的CT模型并与手术后的CT进行比较.

主要成果:

• 通过0.27 ± 0.076 mm的平均豪斯多夫距离实现了亚毫米表面对齐.
• 通过0.93±0.012的子相似系数 (DSC) 证明了极好的体积重叠.
• 布兰德-阿尔特曼分析显示了可接受的体积协议,平均差异为0.40cm3.

结论:

• 计算机视觉,特别是NeRF,可以通过内镜视频进行准确,动态的CT更新,而不需要外部跟踪.
• 这种软件驱动的工具可视化切除的进展,有可能提高ESS手术的完整性.
• 这项技术为下一代外科导航平台提供了途径.