論文の概要: An Optimization-based Baseline for Rigid 2D/3D Registration Applied to
Spine Surgical Navigation Using CMA-ES
- arxiv url: http://arxiv.org/abs/2402.05642v1
- Date: Thu, 8 Feb 2024 12:56:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 15:03:54.218047
- Title: An Optimization-based Baseline for Rigid 2D/3D Registration Applied to
Spine Surgical Navigation Using CMA-ES
- Title(参考訳): CMA-ESを用いた脊椎手術ナビゲーションにおける剛体2D/3Dレジストレーションの最適化ベースライン
- Authors: Minheng Chen, Tonglong Li, Zhirun Zhang, Youyong Kong
- Abstract要約: 整形外科ロボットのナビゲーションシステムには,堅牢で効率的な2D/3D登録フレームワークが不可欠である。
CMA-ESアルゴリズムに基づく粗大な登録フレームワークを提案する。
以上の結果から,本フレームワークが実際の整形外科手術データに及ぼす影響が示唆された。
- 参考スコア(独自算出の注目度): 4.533408985664949
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A robust and efficient optimization-based 2D/3D registration framework is
crucial for the navigation system of orthopedic surgical robots. It can provide
precise position information of surgical instruments and implants during
surgery. While artificial intelligence technology has advanced rapidly in
recent years, traditional optimization-based registration methods remain
indispensable in the field of 2D/3D registration.he exceptional precision of
this method enables it to be considered as a post-processing step of the
learning-based methods, thereby offering a reliable assurance for registration.
In this paper, we present a coarse-to-fine registration framework based on the
CMA-ES algorithm. We conducted intensive testing of our method using data from
different parts of the spine. The results shows the effectiveness of the
proposed framework on real orthopedic spine surgery clinical data. This work
can be viewed as an additional extension that complements the
optimization-based methods employed in our previous studies.
- Abstract(参考訳): 整形外科ロボットのナビゲーションシステムには,堅牢で効率的な2D/3D登録フレームワークが不可欠である。
外科用器具やインプラントの正確な位置情報を提供することができる。
近年、人工知能技術は急速に進歩しているが、従来の最適化に基づく登録手法は2D/3D登録の分野では不可欠であり、この手法の例外的な精度は、学習ベースの手法の処理後ステップと見なすことができるため、登録のための信頼性の高い保証を提供する。
本稿では,CMA-ESアルゴリズムに基づく粗粒度登録フレームワークを提案する。
脊椎の異なる部位のデータを用いて,本手法の集中試験を行った。
以上の結果から,本フレームワークが実際の整形外科手術データに及ぼす影響が示唆された。
この研究は、以前の研究で採用した最適化ベースの手法を補完する追加拡張と見なすことができる。
関連論文リスト
- UDCR: Unsupervised Aortic DSA/CTA Rigid Registration Using Deep
Reinforcement Learning and Overlap Degree Calculation [12.201553863670155]
深部強化学習に基づく大動脈DSA/CTA剛性登録のための教師なし手法UDCRを提案する。
アルゴリズム評価のために61組の大動脈DSA/CTAを手動でアノテートした結果,UDCRは平均絶対誤差2.85mm,回転4.35degを達成した。
論文 参考訳(メタデータ) (2024-03-09T01:18:32Z) - Domain adaptation strategies for 3D reconstruction of the lumbar spine
using real fluoroscopy data [9.42467375312292]
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) - DeepGI: An Automated Approach for Gastrointestinal Tract Segmentation in
MRI Scans [5.997902886763401]
消化器癌(GI)は、適切な治療結果を得るために正確な放射線治療計画を要求する、世界的な健康上の課題を引き起こす。
本稿では,磁気共鳴画像(MRI)スキャンにおいて,GI領域の領域分割を自動化するための最先端手法を提案する。
高度なディープラーニングアーキテクチャを活用して、提案モデルは初期分類にInception-V4、2.5DデータにVGG19エンコーダにUNet++、グレースケールデータセグメンテーションにEdge UNetを統合する。
論文 参考訳(メタデータ) (2024-01-27T09:05:41Z) - Efficient Deformable Tissue Reconstruction via Orthogonal Neural Plane [58.871015937204255]
変形性組織を再建するための高速直交平面(Fast Orthogonal Plane)を導入する。
我々は外科手術を4Dボリュームとして概念化し、それらをニューラルネットワークからなる静的および動的フィールドに分解する。
この分解により4次元空間が増加し、メモリ使用量が減少し、最適化が高速化される。
論文 参考訳(メタデータ) (2023-12-23T13:27:50Z) - 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) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳(メタデータ) (2021-10-28T12:59:06Z) - Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound
Reconstruction [61.62191904755521]
3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。
既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。
複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
論文 参考訳(メタデータ) (2021-07-31T16:06:50Z) - Surgical Gesture Recognition Based on Bidirectional Multi-Layer
Independently RNN with Explainable Spatial Feature Extraction [10.469989981471254]
本研究では, 説明可能な特徴抽出プロセスを用いて, 効果的な外科的ジェスチャー認識手法の開発を目指す。
本稿では,双方向マルチ層独立RNN(BML-indRNN)モデルを提案する。
dcnnのブラックボックス効果を解消するために、勾配重み付けクラスアクティベーションマッピング(grad-cam)を用いる。
その結果,提案手法に基づく縫合作業の精度は87.13%であり,最先端のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2021-05-02T12:47:19Z) - Joint Scene and Object Tracking for Cost-Effective Augmented Reality
Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。
本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-10-05T10:20:46Z) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳(メタデータ) (2020-02-20T13:12:38Z)
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。