論文の概要: Automatic registration with continuous pose updates for marker-less
surgical navigation in spine surgery
- arxiv url: http://arxiv.org/abs/2308.02917v1
- Date: Sat, 5 Aug 2023 16:26:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 18:00:36.845125
- Title: Automatic registration with continuous pose updates for marker-less
surgical navigation in spine surgery
- Title（参考訳）: 脊椎手術におけるマーカーレス手術ナビゲーションにおけるポーズ更新による自動登録
- Authors: Florentin Liebmann, Marco von Atzigen, Dominik St\"utz, Julian Wolf,
Lukas Zingg, Daniel Suter, Laura Leoty, Hooman Esfandiari, Jess G. Snedeker,
Martin R. Oswald, Marc Pollefeys, Mazda Farshad, Philipp F\"urnstahl
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 52.63271687382495
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Established surgical navigation systems for pedicle screw placement have been
proven to be accurate, but still reveal limitations in registration or surgical
guidance. Registration of preoperative data to the intraoperative anatomy
remains a time-consuming, error-prone task that includes exposure to harmful
radiation. Surgical guidance through conventional displays has well-known
drawbacks, as information cannot be presented in-situ and from the surgeon's
perspective. Consequently, radiation-free and more automatic registration
methods with subsequent surgeon-centric navigation feedback are desirable. In
this work, we present an approach that automatically solves the registration
problem for lumbar spinal fusion surgery in a radiation-free manner. A deep
neural network was trained to segment the lumbar spine and simultaneously
predict its orientation, yielding an initial pose for preoperative models,
which then is refined for each vertebra individually and updated in real-time
with GPU acceleration while handling surgeon occlusions. An intuitive surgical
guidance is provided thanks to the integration into an augmented reality based
navigation system. The registration method was verified on a public dataset
with a mean of 96\% successful registrations, a target registration error of
2.73 mm, a screw trajectory error of 1.79{\deg} and a screw entry point error
of 2.43 mm. Additionally, the whole pipeline was validated in an ex-vivo
surgery, yielding a 100\% screw accuracy and a registration accuracy of 1.20
mm. Our results meet clinical demands and emphasize the potential of RGB-D data
for fully automatic registration approaches in combination with augmented
reality guidance.
- Abstract（参考訳）: ペディクルスクリュー配置のための確立された外科用ナビゲーションシステムは正確であることが証明されているが、登録や手術指導に制限がある。
術中解剖への事前データの登録は、有害な放射線への曝露を含む時間を要する、エラーを起こしやすい作業である。
従来型ディスプレイによる手術指導は, 術者の立場から情報をその場で提示することはできないため, 広く知られている欠点がある。
その結果, 術後の外科医中心のナビゲーションフィードバックによる放射線のない自動登録法が望まれる。
そこで本研究では,腰椎椎間板固定術の登録問題を自動的に無放射線で解決する手法を提案する。
深層ニューラルネットワークを用いて腰椎を分割し,その向きを同時に予測し,術前モデルに初期ポーズを与えるように訓練し,手術的咬合を処理しながら,各椎骨を個別に洗練し,gpuアクセラレーションを用いてリアルタイムに更新する。
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。
登録方法は, 登録成功率96\%, 目標登録誤差2.73mm, スクリュー軌道誤差1.79{\deg}, スクリュー進入点誤差2.43mmの公開データセット上で検証された。
さらに、パイプライン全体が前生検で検証され、100\%のスクリュー精度と1.20mmの登録精度が得られた。
本研究は臨床要件を満たし,完全自動登録アプローチにおけるrgb-dデータの可能性と拡張現実指導の併用を強調する。
関連論文リスト
- PitRSDNet: Predicting Intra-operative Remaining Surgery Duration in Endoscopic Pituitary Surgery [7.291847156946912]
本稿では,下垂体手術中の残存手術期間(RSD)を予測するためのPitRSDNetを提案する。
PitRSDNet はワークフロー知識を RSD 予測に統合する。1) ステップと RSD を同時に予測するためのマルチタスク学習,2) 時間的学習と推論におけるコンテキストとしての事前ステップ。
PitRSDNetは、88のビデオを備えた新しい内視鏡下垂体手術データセットでトレーニングされ、従来の統計的および機械学習手法よりも競争力のあるパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2024-09-25T15:03:22Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Monocular Microscope to CT Registration using Pose Estimation of the
Incus for Augmented Reality Cochlear Implant Surgery [3.8909273404657556]
本研究では, 外部追跡装置を必要とせず, 2次元から3次元の観察顕微鏡映像を直接CTスキャンに登録する手法を開発した。
その結果, x, y, z軸の平均回転誤差は25度未満, 翻訳誤差は2mm, 3mm, 0.55%であった。
論文 参考訳（メタデータ） (2024-03-12T00:26:08Z) - Dense Error Map Estimation for MRI-Ultrasound Registration in Brain
Tumor Surgery Using Swin UNETR [2.64700310378485]
術中超音波は脳の移動を追跡でき、MRI-iUS登録技術は手術前の計画を更新できる。
しかし,MRI-iUSのリアルタイム登録結果の手作業による評価は困難であり,データの3次元特性に起因して誤りを生じやすい。
We propose a novel deep-learning (DL) based framework with the Swin UNETR to improve 3D-patch-wise dense error map for MRI-iUS registration in iUS-guided brain tumor resection。
論文 参考訳（メタデータ） (2023-08-21T15:19:32Z) - FocalErrorNet: Uncertainty-aware focal modulation network for
inter-modal registration error estimation in ultrasound-guided neurosurgery [3.491999371287298]
術中組織変形(脳シフトと呼ばれる)は、手術対象を移動させ、手術前の計画が無効になる可能性がある。
脳腫瘍手術におけるMRI-iUS登録誤差を正確に評価するために,3次元焦点変調に基づく新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-07-26T21:42:22Z) - GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。
我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。
提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
論文 参考訳（メタデータ） (2023-06-26T13:32:09Z) - Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。
本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
論文 参考訳（メタデータ） (2023-05-09T11:42:53Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Registration made easy -- standalone orthopedic navigation with HoloLens [27.180079923996406]
そこで本研究では,Microsoft HoloLens上で動作するペプシクルスクリュー配置のための,術中表面のデジタル化と直感的ホログラフィックナビゲーションを併用した手術ナビゲーション手法を提案する。
ファントム実験の予備的な結果は、この方法が臨床精度の要件を満たす可能性があることを示唆している。
論文 参考訳（メタデータ） (2020-01-17T09:22:21Z)
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。