論文の概要: Deformable Registration Framework for Augmented Reality-based Surgical Guidance in Head and Neck Tumor Resection

• arxiv url: http://arxiv.org/abs/2503.08802v1
• Date: Tue, 11 Mar 2025 18:32:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:38:50.991639
• Title: Deformable Registration Framework for Augmented Reality-based Surgical Guidance in Head and Neck Tumor Resection
• Title（参考訳）: 頭頸部腫瘍切除における拡張現実による手術誘導のための変形性レジストレーションフレームワーク
• Authors: Qingyun Yang, Fangjie Li, Jiayi Xu, Zixuan Liu, Sindhura Sridhar, Whitney Jin, Jennifer Du, Jon Heiselman, Michael Miga, Michael Topf, Jie Ying Wu,
• Abstract要約: 厚み情報を登録プロセスに組み込んだ新規な変形可能な登録フレームワークを提案する。 舌標本では, 対象登録誤差(TRE)を最大33%改善した。 異なる試料の異なる変形挙動を解析し, 整形変形戦略の必要性を強調した。
• 参考スコア（独自算出の注目度）: 4.434694695912229
• License:
• Abstract: Head and neck squamous cell carcinoma (HNSCC) has one of the highest rates of recurrence cases among solid malignancies. Recurrence rates can be reduced by improving positive margins localization. Frozen section analysis (FSA) of resected specimens is the gold standard for intraoperative margin assessment. However, because of the complex 3D anatomy and the significant shrinkage of resected specimens, accurate margin relocation from specimen back onto the resection site based on FSA results remains challenging. We propose a novel deformable registration framework that uses both the pre-resection upper surface and the post-resection site of the specimen to incorporate thickness information into the registration process. The proposed method significantly improves target registration error (TRE), demonstrating enhanced adaptability to thicker specimens. In tongue specimens, the proposed framework improved TRE by up to 33% as compared to prior deformable registration. Notably, tongue specimens exhibit complex 3D anatomies and hold the highest clinical significance compared to other head and neck specimens from the buccal and skin. We analyzed distinct deformation behaviors in different specimens, highlighting the need for tailored deformation strategies. To further aid intraoperative visualization, we also integrated this framework with an augmented reality-based auto-alignment system. The combined system can accurately and automatically overlay the deformed 3D specimen mesh with positive margin annotation onto the resection site. With a pilot study of the AR guided framework involving two surgeons, the integrated system improved the surgeons' average target relocation error from 9.8 cm to 4.8 cm.
• Abstract（参考訳）: 頭頸部扁平上皮癌 (HNSCC) は固形癌の再発率が最も高い。 正のマージンのローカライゼーションを改善することで、再帰率を下げることができる。 切除標本の凍結断面積分析(FSA)は術中マージン評価における金の基準である。 しかし, 複雑な3次元解剖学と切除標本の大幅な縮小により, FSAの結果に基づいて, 検体から切除部位への正確なマージン移動が困難である。 本稿では, 試料の切削前上面と切削後部位の両方を用いて, 厚み情報を登録プロセスに組み込む, 新規な変形可能な登録フレームワークを提案する。 提案手法はターゲット登録誤差(TRE)を大幅に改善し,より厚い試料への適応性を向上する。 舌標本では, 従来の変形性登録と比較して, TREは最大で33%改善した。 特に舌標本は複雑な3D解剖を示し、頬や皮膚の他の頭頸部標本と比較して最も臨床的に重要である。 異なる試料の異なる変形挙動を解析し, 整形変形戦略の必要性を浮き彫りにした。 術中ビジュアライゼーションをさらに支援するために,このフレームワークを拡張現実に基づく自動調整システムに統合した。 複合システムは、変形した3D検体メッシュを正のマージンアノテーションで正確に自動的に切除部位にオーバーレイすることができる。 2人の外科医が関与するARガイドフレームワークの試験的な研究により、統合システムは外科医の平均目標移動誤差を9.8cmから4.8cmに改善した。

関連論文リスト

• Fine-Tuning TransMorph with Gradient Correlation for Anatomical Alignment [0.6359529834975265]
  教師なしディープラーニングは、解剖学的ラベルへの依存を減らすために、脳MRI登録において有望な方法である。 本稿では,Learner2Reg2024 LUMIR問題に対して,コンバージェンス安定性と変形性を改善するために,事前学習したTransMorphモデルの微調整を提案する。
  論文  参考訳（メタデータ） (2024-12-30T09:32:04Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• 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)
• Abdominal organ segmentation via deep diffeomorphic mesh deformations [5.4173776411667935]
  CTとMRIによる腹部臓器の分節は,手術計画とコンピュータ支援ナビゲーションシステムにとって必須の要件である。 肝, 腎, 膵, 脾の分節に対するテンプレートベースのメッシュ再構成法を応用した。 結果として得られたUNetFlowは4つの器官すべてによく当てはまり、新しいデータに基づいて簡単に微調整できる。
  論文  参考訳（メタデータ） (2023-06-27T14:41:18Z)
• 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
  医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。 本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
  論文  参考訳（メタデータ） (2023-06-23T12:09:52Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Adversarial Transformer for Repairing Human Airway Segmentation [7.176060570019899]
  本稿では,従来のCT画像とともに事前分割を行い,気道構造の精細化マスクを出力するパッチスケール対向型精細化ネットワークを提案する。 その結果, 7つの測定値から定量的に評価し, 検出された長さ比と検出された枝比の15%以上を達成できた。
  論文  参考訳（メタデータ） (2022-10-21T15:20:08Z)
• Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
  本稿では,容積医用画像における多変量分類の課題について紹介する。 本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。 そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
  論文  参考訳（メタデータ） (2021-11-24T01:14:33Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。 正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。 本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)
• Enhanced 3D Myocardial Strain Estimation from Multi-View 2D CMR Imaging [0.0]
  CMR SSFP画像からの複数方向からの相補的変位情報を組み合わせた3次元心筋ひずみ推定法を提案する。 商用ソフトウェア(セグメント,メドビソ)に実装された2次元非剛性登録アルゴリズムを用いて,短軸,4角,2角のビューのセットを登録する。 次に, 運動3方向の補間関数を作成し, 患者固有の左室の四面体メッシュ表現を変形させる。
  論文  参考訳（メタデータ） (2020-09-25T22:47:50Z)
• Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D Convolution and Surface Point Regression [23.916776570010285]
  コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。 そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。 3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
  論文  参考訳（メタデータ） (2020-08-30T19:42:06Z)

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。