对腹腔镜手术的全点云到部分点云注册技术进行基准测试
Alberto Neri1,2, Veronica Penza2, Nazim Haouchine3
1Biomedical Robotics Lab, Advanced Robotics, Istituto Italiano di Tecnologia, Genoa, Italy.
Frontiers in robotics and AI
|December 3, 2025
概括
这项研究对计算机辅助手术的深度学习点云注册进行了基准测试. 虽然在轻微的器官变形方面有效,但当前的方法在显著的非刚性变化方面扎,这突出了对先进的非刚性注册算法的需求.
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
- 机器学习 机器学习
背景情况:
- 精确的3D器官模型注册与手术视频对外科增强现实至关重要.
- 现有的深度学习点云注册方法需要对外科手术场景进行评估.
研究的目的:
- 为了对最先进的深度学习点云注册方法进行比较.
- 评估它们在外科手术环境中的通用性.
- 为开发先进的非刚性注册算法提供准则.
主要方法:
- 对传统和深度学习注册方法 (基于GMM,基于通信等) 的系统评估. 在手术数据集上 (IRCAD,DePoll).
- 关于使用关键点提取,重叠估计和变压器架构的全部分点云注册框架的建议.
主要成果:
- 深度学习方法在IRCAD肝脏数据集上实现了良好的注册性能 (TRE<10 mm),但存在轻微的变形.
- 由于巨大的变形,DePoll数据集的性能显著下降.
结论:
- 深度学习的刚性注册对于小变形是可靠的,但对严重的非刚性变化缺乏准确性.
- 未来的研究应该专注于非刚性注册架构,增强腹腔镜手术对应估计.
