論文の概要: Toward Patient-specific Partial Point Cloud to Surface Completion for Pre- to Intra-operative Registration in Image-guided Liver Interventions

• arxiv url: http://arxiv.org/abs/2505.19518v1
• Date: Mon, 26 May 2025 05:03:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.181075
• Title: Toward Patient-specific Partial Point Cloud to Surface Completion for Pre- to Intra-operative Registration in Image-guided Liver Interventions
• Title（参考訳）: 画像ガイド下肝インターベンションにおける術前から術中登録のための患者特異的部分点群と表面完遂に向けて
• Authors: Nakul Poudel, Zixin Yang, Kelly Merrell, Richard Simon, Cristian A. Linte,
• Abstract要約: 画像と物理の登録は、術前情報と術中データの融合を可能にする。 登録プロセスを支援するために,患者固有のポイントクラウド補完手法を提案する。 我々はVN-OccNetを利用して部分的術中点群から完全肝表面を生成する。
• 参考スコア（独自算出の注目度）: 0.5825410941577593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intra-operative data captured during image-guided surgery lacks sub-surface information, where key regions of interest, such as vessels and tumors, reside. Image-to-physical registration enables the fusion of pre-operative information and intra-operative data, typically represented as a point cloud. However, this registration process struggles due to partial visibility of the intra-operative point cloud. In this research, we propose a patient-specific point cloud completion approach to assist with the registration process. Specifically, we leverage VN-OccNet to generate a complete liver surface from a partial intra-operative point cloud. The network is trained in a patient-specific manner, where simulated deformations from the pre-operative model are used to train the model. First, we conduct an in-depth analysis of VN-OccNet's rotation-equivariant property and its effectiveness in recovering complete surfaces from partial intra-operative surfaces. Next, we integrate the completed intra-operative surface into the Go-ICP registration algorithm to demonstrate its utility in improving initial rigid registration outcomes. Our results highlight the promise of this patient-specific completion approach in mitigating the challenges posed by partial intra-operative visibility. The rotation equivariant and surface generation capabilities of VN-OccNet hold strong promise for developing robust registration frameworks for variations of the intra-operative point cloud.
• Abstract（参考訳）: 画像ガイド下手術で得られた術中データは、血管や腫瘍などの重要な領域が位置する地下情報に欠ける。 画像から物理への登録は、通常点雲として表される術前情報と術内データの融合を可能にする。 しかし、この登録プロセスは、術中点雲の部分視認性のために困難である。 本研究では,登録プロセスを支援するため,患者固有のポイントクラウド補完手法を提案する。 具体的には、VN-OccNetを利用して、部分的な術中点群から完全な肝表面を生成する。 ネットワークは患者固有の方法で訓練され、手術前のモデルからの模擬変形を用いてモデルを訓練する。 まず, VN-OccNetの回転同変特性の詳細な解析を行い, 部分的術中表面からの完全表面の復元に有効であることを示す。 次に、完成した術中表面をGo-ICP登録アルゴリズムに統合し、初期剛性登録結果の改善にその有用性を実証する。 本研究は, 部分的術中視認性から生じる課題を軽減するために, この患者特異的完遂アプローチの可能性を強調した。 VN-OccNetの回転同変と表面生成能力は、術中点雲の変動に対するロバストな登録フレームワークを開発することを強く約束している。

関連論文リスト

• Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
  術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。 既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。 本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T14:55:57Z)
• Resolving the Ambiguity of Complete-to-Partial Point Cloud Registration for Image-Guided Liver Surgery with Patches-to-Partial Matching [3.6999273555552548]
  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。
  論文  参考訳（メタデータ） (2024-12-26T18:58:29Z)
• 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)
• 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)
• Hypergraph-Transformer (HGT) for Interactive Event Prediction in Laparoscopic and Robotic Surgery [47.47211257890948]
  腹腔内ビデオから外科的ワークフローの重要なインタラクティブな側面を理解し,予測できる予測型ニューラルネットワークを提案する。 我々は,既存の手術用データセットとアプリケーションに対するアプローチを検証し,アクション・トリプレットの検出と予測を行った。 この結果は、非構造的な代替案と比較して、我々のアプローチの優位性を示している。
  論文  参考訳（メタデータ） (2024-02-03T00:58:05Z)
• 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)
• Intraoperative Liver Surface Completion with Graph Convolutional VAE [10.515163959186964]
  我々は、データセットの限られたサイズを補うために、周波数領域の形状をランダムに摂動する新しいデータ拡張手法を導入する。 本手法のコアは変分オートエンコーダ (VAE) で, 肝臓の完全な形状を学習するための潜伏空間を訓練する。 この最適化の効果は、初期生成した形状の進行非剛性変形である。
  論文  参考訳（メタデータ） (2020-09-08T17:19:31Z)
• Non-Rigid Volume to Surface Registration using a Data-Driven Biomechanical Model [0.028144129864580446]
  我々は畳み込みニューラルネットワークを訓練し、表面対応と非剛体登録の両方を1ステップで行う。 このネットワークは、ランダムに生成された、変形する臓器のような構造の物理的に正確な生体力学シミュレーションに基づいて訓練されている。 高い推論速度を維持しながら実データによく翻訳可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-29T17:35:23Z)

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。