論文の概要: EVD Surgical Guidance with Retro-Reflective Tool Tracking and Spatial
Reconstruction using Head-Mounted Augmented Reality Device
- arxiv url: http://arxiv.org/abs/2306.15490v1
- Date: Tue, 27 Jun 2023 14:11:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 13:10:37.465066
- Title: EVD Surgical Guidance with Retro-Reflective Tool Tracking and Spatial
Reconstruction using Head-Mounted Augmented Reality Device
- Title(参考訳): 頭部拡張現実デバイスを用いた反射型ツール追跡と空間再構成によるEVD手術誘導
- Authors: Haowei Li, Wenqing Yan, Du Liu, Long Qian, Yuxing Yang, Yihao Liu, Zhe
Zhao, Hui Ding, Guangzhi Wang
- Abstract要約: 市販のARヘッドマウントデバイス(HMD)に組み込まれた飛行時間(ToF)深度センサを正確なEVD手術指導に用いる新しいフレームワークを提案する。
ToFセンサの深度誤差は, 異なる材料における頭部ファントムの深度補正法を用いて, 85%以上低減された。
- 参考スコア(独自算出の注目度): 15.006386435500234
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Augmented Reality (AR) has been used to facilitate surgical guidance during
External Ventricular Drain (EVD) surgery, reducing the risks of misplacement in
manual operations. During this procedure, the pivotal challenge is the accurate
estimation of spatial relationship between pre-operative images and actual
patient anatomy in AR environment. In this research, we propose a novel
framework utilizing Time of Flight (ToF) depth sensors integrated in
commercially available AR Head Mounted Devices (HMD) for precise EVD surgical
guidance. As previous studies have proven depth errors for ToF sensors, we
first conducted a comprehensive assessment for the properties of this error on
AR-HMDs. Subsequently, a depth error model and patient-specific model parameter
identification method, is introduced for accurate surface information. After
that, a tracking procedure combining retro-reflective markers and point clouds
is proposed for accurate head tracking, where head surface is reconstructed
using ToF sensor data for spatial registration, avoiding fixing tracking
targets rigidly on the patient's cranium. Firstly, $7.580\pm 1.488 mm$ ToF
sensor depth value error was revealed on human skin, indicating the
significance of depth correction. Our results showed that the ToF sensor depth
error was reduced by over $85\%$ using proposed depth correction method on head
phantoms in different materials. Meanwhile, the head surface reconstructed with
corrected depth data achieved sub-millimeter accuracy. Experiment on a sheep
head revealed $0.79 mm$ reconstruction error. Furthermore, a user study was
conducted for the performance of proposed framework in simulated EVD surgery,
where 5 surgeons performed 9 k-wire injections on a head phantom with virtual
guidance. Results of this study revealed $2.09 \pm 0.16 mm$ translational
accuracy and $2.97\pm 0.91 ^\circ$ orientational accuracy.
- Abstract(参考訳): Augmented Reality (AR) は、外室ドレイン(EVD)手術の外科的指導を促進するために使われており、手動操作におけるずれのリスクを低減する。
この過程で重要な課題は、AR環境における術前画像と実際の患者解剖との空間的関係を正確に推定することである。
本研究では、市販のARヘッドマウントデバイス(HMD)に組み込まれた飛行時間(ToF)深度センサを用いて、正確なEVD手術指導を行う新しいフレームワークを提案する。
従来,ToFセンサの深度誤差を実証してきたので,この誤差の特性をAR-HMDで総合的に評価した。
次に、正確な表面情報のために深さ誤差モデルと患者固有のパラメータ同定法を導入する。
その後, 反射マーカーと点雲を組み合わせた追跡手法が提案され, 頭部をToFセンサで再構成して空間登録し, 患者の頭蓋骨に厳密に追跡対象を固定しないようにした。
まず, 皮膚に7.580\pm 1.488 mm$ tofセンサの深さ値誤差が認められ, 深さ補正の意義が示唆された。
提案した頭部ファントムの深度補正法を用いて,ToFセンサの深度誤差を85%以上削減した。
一方、補正深度データで再構成した頭部は、サブミリ精度を実現した。
羊の頭部実験では0.79mmの再構成誤差が見られた。
さらに,5人の外科医が仮想誘導で頭部に9k線注入を行ったEVD手術において,提案したフレームワークの性能評価を行った。
この研究の結果、翻訳精度は2.09 pm 0.16 mm$、方位精度は2.97 pm 0.91 ^\circ$。
関連論文リスト
- Seamless Augmented Reality Integration in Arthroscopy: A Pipeline for Articular Reconstruction and Guidance [4.8046407905667206]
関節鏡は、関節疾患の診断と治療に用いられる、最小侵襲の外科手術である。
関節鏡の視野の制限と深度知覚の欠如は、複雑な関節構造をナビゲートする上での課題となる。
本稿では, 局所化とマッピング, 深さ推定, 3次元ガウススプラッティングを併用したロバストパイプラインを提案する。
我々のソリューションは、関節ノッチ計測とアノテーションアンカーのためのARアシストを提供する。
論文 参考訳(メタデータ) (2024-10-01T04:15:49Z) - ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。
以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文 参考訳(メタデータ) (2024-07-23T14:24:26Z) - Multi-task learning with cross-task consistency for improved depth
estimation in colonoscopy [0.2995885872626565]
我々は、共有エンコーダと2つのデコーダ、すなわち表面正規デコーダと深度推定器を備えた新しいマルチタスク学習(MTL)アプローチを開発する。
比較誤差は14.17%、$delta_1$精度は10.4%改善した。
論文 参考訳(メタデータ) (2023-11-30T16:13:17Z) - W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。
W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。
また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
論文 参考訳(メタデータ) (2023-11-29T09:02:07Z) - Automatic registration with continuous pose updates for marker-less
surgical navigation in spine surgery [52.63271687382495]
本研究では, 腰部脊柱管固定術の登録問題を, 無放射線で自動的に解決するアプローチを提案する。
深部神経ネットワークは、腰椎を分割し、その方向を同時に予測するように訓練され、前手術モデルに対する最初のポーズが得られた。
拡張現実ベースのナビゲーションシステムとの統合により、直感的な外科的ガイダンスが提供される。
論文 参考訳(メタデータ) (2023-08-05T16:26:41Z) - A geometry-aware deep network for depth estimation in monocular
endoscopy [17.425158094539462]
提案手法は,異なるデータセットと臨床画像にまたがって広範囲に検証されている。
提案法の平均RMSE値は12.604(T1-L1)、9.930(T2-L2)、13.893(Colon)である。
論文 参考訳(メタデータ) (2023-04-20T11:59:32Z) - 3D endoscopic depth estimation using 3D surface-aware constraints [16.161276518580262]
深度推定は3次元表面から行うことができることを示す。
本研究では,表面認識制約を統合した深度推定のための損失関数を提案する。
カメラパラメータは、深さ推定の制御と透明性を高めるために、トレーニングパイプラインに組み込まれる。
論文 参考訳(メタデータ) (2022-03-04T04:47:20Z) - Cephalometric Landmark Regression with Convolutional Neural Networks on
3D Computed Tomography Data [68.8204255655161]
側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。
本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。
本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
論文 参考訳(メタデータ) (2020-07-20T12:45:38Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳(メタデータ) (2020-07-08T21:38:29Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳(メタデータ) (2020-06-18T09:49:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。