覆盖意识在线自适应性在最小侵入性外科手术中对手术内组织的非严格注册

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 手术机器人手术机器人手术机器人手术机器人

背景情况:

• 准确的非刚性注册手术内组织对于手术导航和微创手术中现场重建至关重要.
• 显著的组织变形和腹腔镜运动的部分重叠对当前的注册方法构成了挑战.

研究的目的:

• 引入一个重叠意识的在线自适应非刚性注册方法 (OANRM),以应对手术内组织注册的挑战.
• 在动态的外科环境中提高非刚性注册的准确性和稳定性.

主要方法:

• 提出了一个等级匹配网络 (HMNet) 用于使用基于相似性的方法同时预测重叠的区域和对应.
• 整合了一个在线适应机制,用于连续微调网络的无监督损失.
• 引入了一个变换位移变形预测 (TDDP) 模块,通过随机样本共识和基于距离的插值来处理非重叠区域.

主要成果:

• 在人工和临床数据集上,OANRM展示了最先进的性能.
• 该方法在处理复杂的组织变形和不同重叠比率方面明显优于现有技术.
• 在不同的手术场景中实现了强大的性能,而不需要额外的训练数据.

结论:

• OANRM提供了一种强大而准确的解决方案,用于非刚性注册手术内组织.
• 拟议的方法增强了在微创手术中手术导航和现场重建能力.
• 在线适应和重叠意识的方法有助于在具有挑战性的外科条件下提供卓越的性能.