在腹腔镜手术中对人类肝脏进行非刚性图像体积记录
Zhenggang Cao1, Le Xie1, Yuchen Yang2
1Institute of Forming Technology & Equipment and the Institute of Medical Robot, Shanghai Jiao Tong University, Shanghai, China.
Quantitative imaging in medicine and surgery
|September 2, 2025
概括
这项研究引入了一种用于腹腔镜手术中可变形器官的实时2D-3D记录的新方法. 这种方法通过精确对准2D图像与3D扫描来提高外科导航和准确性.
科学领域:
- 医学成像
- 计算机辅助的手术
- 手术机器人
背景情况:
- 通过将二维腹腔镜图像与三维扫描进行融合,
- 精确的2D-3D注册对于外科手术中的增强现实至关重要, 但挑战包括器官变形和摄像机参数估计.
- 可变形器官的实时和精确对齐仍然是当前手术导航系统的一个重大障碍.
研究的目的:
- 为可变形器官开发一个非刚性图像体积记录 (NRIVR) 框架.
- 在腹腔镜手术中实现精确的2D-3D实时注册.
- 通过单眼图像克服器官变形,闭塞和摄像机参数估计的挑战.
主要方法:
- 一个新的基于长期记忆的摄像头估计神经网络 (LCENN) 从二维解剖轮预测摄像头的姿势.
- 从二维边界到相机参数的可分化映射允许实时推断.
- 在二维空间中使用预测网格和估计的变形场进行非刚性注册,以保持一致的对齐.
主要成果:
- LCENN可以有效地预测2D边界的摄像头姿势,旋转 (0.35±0.44°) 和转移 (0.51±0.31mm) 误差最小.
- 拟议的框架在临床数据集上实现了有效的二维三维注册.
- 记录了2.74±1.51毫米的平均目标注册误差,证明了高精度.
结论:
- 该研究验证了实时2D-3D记录的拟议方法的可行性和有效性.
- 这种方法提高了腹腔镜手术工作流程的图像指导.
- 开发的框架为改善临床环境中的增强现实应用铺平了道路.
