論文の概要: Resolving the Ambiguity of Complete-to-Partial Point Cloud Registration for Image-Guided Liver Surgery with Patches-to-Partial Matching

• arxiv url: http://arxiv.org/abs/2412.19328v1
• Date: Thu, 26 Dec 2024 18:58:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:26:21.322045
• Title: Resolving the Ambiguity of Complete-to-Partial Point Cloud Registration for Image-Guided Liver Surgery with Patches-to-Partial Matching
• Title（参考訳）: パッチ・ツー・パーティルマッチングを用いた画像ガイド下肝外科手術における完全対パーティルポイントクラウド登録の曖昧さの解消
• Authors: Zixin Yang, Jon S. Heiselman, Cheng Han, Kelly Merrell, Richard Simon, Cristian. A. Linte,
• Abstract要約: 画像ガイド下肝外科では,術前データと術中データとの整合が重要となる。 あいまいさを解決するために,プラグ・アンド・プレイモジュールとしてパッチ・ツー・パーティルマッチング戦略を提案する。 術中視認性に乏しい症例に対して, 登録成績の向上に有効かつ効果的であることが証明された。
• 参考スコア（独自算出の注目度）: 3.6999273555552548
• License:
• Abstract: In image-guided liver surgery, the initial rigid alignment between preoperative and intraoperative data, often represented as point clouds, is crucial for providing sub-surface information from preoperative CT/MRI images to the surgeon during the procedure. Currently, this alignment is typically performed using semi-automatic methods, which, while effective to some extent, are prone to errors that demand manual correction. Point cloud correspondence-based registration methods are promising to serve as a fully automatic solution. However, they may struggle in scenarios with limited intraoperative surface visibility, a common challenge in liver surgery, particularly in laparoscopic procedures, which we refer to as complete-to-partial ambiguity. We first illustrate this ambiguity by evaluating the performance of state-of-the-art learning-based point cloud registration methods on our carefully constructed in silico and in vitro datasets. Then, we propose a patches-to-partial matching strategy as a plug-and-play module to resolve the ambiguity, which can be seamlessly integrated into learning-based registration methods without disrupting their end-to-end structure. It has proven effective and efficient in improving registration performance for cases with limited intraoperative visibility. The constructed benchmark and the proposed module establish a solid foundation for advancing applications of point cloud correspondence-based registration methods in image-guided liver surgery.
• Abstract（参考訳）: 画像ガイド下肝手術では,術前および術中データとの整合性は,手術中に術前CT/MRI画像から術中情報を外科医に提供するために重要である。 現在、このアライメントは通常、半自動的手法を用いて行われており、ある程度効果はあるものの、手動修正を必要とするエラーが生じる傾向にある。 ポイントクラウド対応ベースの登録方法は、完全に自動化されたソリューションとして機能することを約束している。 しかし,肝外科,特に腹腔鏡下手術では,術中表面の視認性に乏しい症例に苦慮する可能性がある。 まず, サイリコおよびインビトロデータセットで慎重に構築した, 最先端の学習ベースポイントクラウド登録手法の性能を評価することで, この曖昧さを実証する。 そこで本稿では,あいまいさを解決するためのプラグ・アンド・プレイモジュールとしてのパッチ・ツー・パーティショナリーマッチング戦略を提案する。 術中視認性に乏しい症例に対して, 登録成績の向上に有効かつ効果的であることが証明された。 構築されたベンチマークと提案モジュールは、画像誘導肝手術におけるポイントクラウド対応ベースの登録手法の進歩のための確かな基盤を確立する。

関連論文リスト

• From Real Artifacts to Virtual Reference: A Robust Framework for Translating Endoscopic Images [27.230439605570812]
  内視鏡的画像検査では,術前データと術中画像の併用が手術計画やナビゲーションに重要である。 既存のドメイン適応法は、生体内アーティファクトによる分布シフトによって妨げられる。 本稿では,アーチファクト・レジリエントな画像翻訳手法とそれに関連するベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-10-15T02:41:52Z)
• 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)
• 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)
• GLSFormer : Gated - Long, Short Sequence Transformer for Step Recognition in Surgical Videos [57.93194315839009]
  本稿では,シーケンスレベルのパッチから時間的特徴を直接学習するための視覚変換器に基づくアプローチを提案する。 本研究では,白内障手術用ビデオデータセットである白内障-101とD99に対するアプローチを広範に評価し,各種の最先端手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-20T17:57:04Z)
• Joint segmentation and discontinuity-preserving deformable registration: Application to cardiac cine-MR images [74.99415008543276]
  多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。 本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。 入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。 大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
  論文  参考訳（メタデータ） (2022-11-24T23:45:01Z)
• 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)
• A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation [33.684182783291064]
  アジア人では, 一次角閉鎖緑内障(PACG)が非可逆性失明の原因となっている。 提案するフレームワークは,相互に信頼性の高いガイダンスを提供する2つのモデルで構成されている。 公開されているAGEデータセットの実験では、提案されたフレームワークが最先端の半弱教師付き手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-20T11:26:32Z)
• Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
  本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。 当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。 提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
  論文  参考訳（メタデータ） (2020-07-09T01:39:39Z)

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。