論文の概要: X-Ray to CT Rigid Registration Using Scene Coordinate Regression
- arxiv url: http://arxiv.org/abs/2311.15087v1
- Date: Sat, 25 Nov 2023 17:48:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 22:08:52.022080
- Title: X-Ray to CT Rigid Registration Using Scene Coordinate Regression
- Title（参考訳）: Scene Coordinate Regression を用いたX線CTレジストレーション
- Authors: Pragyan Shrestha, Chun Xie, Hidehiko Shishido, Yuichi Yoshii, Itary
Kitahara
- Abstract要約: 本稿では,極端視点に頑健な完全自動登録手法を提案する。
これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。
提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
- 参考スコア（独自算出の注目度）: 1.1687067206676627
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intraoperative fluoroscopy is a frequently used modality in minimally
invasive orthopedic surgeries. Aligning the intraoperatively acquired X-ray
image with the preoperatively acquired 3D model of a computed tomography (CT)
scan reduces the mental burden on surgeons induced by the overlapping
anatomical structures in the acquired images. This paper proposes a fully
automatic registration method that is robust to extreme viewpoints and does not
require manual annotation of landmark points during training. It is based on a
fully convolutional neural network (CNN) that regresses the scene coordinates
for a given X-ray image. The scene coordinates are defined as the intersection
of the back-projected rays from a pixel toward the 3D model. Training data for
a patient-specific model were generated through a realistic simulation of a
C-arm device using preoperative CT scans. In contrast, intraoperative
registration was achieved by solving the perspective-n-point (PnP) problem with
a random sample and consensus (RANSAC) algorithm. Experiments were conducted
using a pelvic CT dataset that included several real fluoroscopic (X-ray)
images with ground truth annotations. The proposed method achieved an average
mean target registration error (mTRE) of 3.79 mm in the 50th percentile of the
simulated test dataset and projected mTRE of 9.65 mm in the 50th percentile of
real fluoroscopic images for pelvis registration.
- Abstract（参考訳）: 術中蛍光検査は低侵襲整形外科手術において頻繁に用いられる。
術中取得したX線画像とCTスキャンの術前取得した3次元モデルとを合わせると、取得した画像の解剖学的構造の重なりによって引き起こされる外科医の精神負担が軽減される。
本稿では,極端視点に頑健で,トレーニング中にランドマークポイントのマニュアルアノテーションを必要としない完全自動登録手法を提案する。
これは、与えられたx線画像のシーン座標を回帰する完全畳み込みニューラルネットワーク(cnn)に基づいている。
シーン座標は、画素から3dモデルへのバック投影光線の交点として定義される。
術前ctスキャンを用いたc-arm装置の現実的なシミュレーションにより,患者固有のモデルのトレーニングデータを生成する。
対照的に術中登録はランダムサンプルとコンセンサス(ransac)アルゴリズムを用いてpnp問題を解決することで達成された。
実際の蛍光x線画像を含む骨盤ctデータセットを用いて実験を行った。
提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, 実蛍光画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
関連論文リスト
- TomoGRAF: A Robust and Generalizable Reconstruction Network for Single-View Computed Tomography [3.1209855614927275]
従来の解析的・定性的なCT再構成アルゴリズムは数百の角データサンプリングを必要とする。
我々は,高品質な3Dボリュームを再構成するために,ユニークなX線輸送物理を取り入れた新しいTtomoGRAFフレームワークを開発した。
論文 参考訳（メタデータ） (2024-11-12T20:07:59Z) - Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳（メタデータ） (2024-09-18T13:40:59Z) - Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data [9.21828361691977]
本研究は整形外科手術における手術ナビゲーション導入における重要な障害に対処するものである。
これは、少数の蛍光画像から脊椎の3次元解剖モデルを生成するためのアプローチを示す。
これまでの合成データに基づく研究の精度に匹敵する84%のF1スコアを達成しました。
論文 参考訳（メタデータ） (2024-01-29T10:22:45Z) - Intraoperative 2D/3D Image Registration via Differentiable X-ray Rendering [5.617649111108429]
DiffPoseは、患者固有のシミュレーションと微分可能な物理ベースのレンダリングを利用して、手動でラベル付けされたデータに頼ることなく正確な2D/3D登録を実現する自己教師型アプローチである。
DiffPoseは手術用データセット全体の術速でサブミリ精度を達成し、既存の教師なしの手法を桁違いに改善し、教師付きベースラインよりも優れています。
論文 参考訳（メタデータ） (2023-12-11T13:05:54Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - Simulation-Driven Training of Vision Transformers Enabling Metal
Segmentation in X-Ray Images [6.416928579907334]
本研究は,CTデータセットとCADインプラントを組み合わせたシミュレーションX線画像を生成することを提案する。
CBCT射影における金属セグメンテーションは、金属アーティファクト回避および還元アルゴリズムの前提条件となる。
本研究は,CADモデルに基づくデータ生成の柔軟性が向上し,臨床データサンプリングとラベル付けの不足を克服する手段となる可能性が示唆された。
論文 参考訳（メタデータ） (2022-03-17T09:58:58Z) - XraySyn: Realistic View Synthesis From a Single Radiograph Through CT
Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。
私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。
本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文 参考訳（メタデータ） (2020-12-04T05:08:53Z) - Pose-dependent weights and Domain Randomization for fully automatic
X-ray to CT Registration [51.280096834264256]
完全自動X線CT登録は、既存の強度ベース登録の範囲内での最初のアライメントを必要とする。
この作業は、エンドツーエンドの登録を可能にする新しい自動初期化を提供する。
ミリメートルにおける平均(+標準偏差)ターゲット登録誤差は、成功率92%の模擬X線に対して4.1 +- 4.3、成功率86.8%の実X線に対して4.2 +- 3.9であり、成功率は30mm未満の翻訳誤差と定義される。
論文 参考訳（メタデータ） (2020-11-14T12:50:32Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳（メタデータ） (2020-11-10T09:27:56Z)
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。