論文の概要: Automatic Multi-View X-Ray/CT Registration Using Bone Substructure Contours
- arxiv url: http://arxiv.org/abs/2506.13292v1
- Date: Mon, 16 Jun 2025 09:33:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:47.996959
- Title: Automatic Multi-View X-Ray/CT Registration Using Bone Substructure Contours
- Title（参考訳）: 骨サブストラクチャを用いたX線/CT自動レジストレーション
- Authors: Roman Flepp, Leon Nissen, Bastian Sigrist, Arend Nieuwland, Nicola Cavalcanti, Philipp Fürnstahl, Thomas Dreher, Lilian Calvet,
- Abstract要約: 術中骨登録のための新しい多視点X線/CT登録法を提案する。
メソッドはマルチビューの輪郭ベースの反復的最近点 (ICP) 最適化で構成されている。
MRPD 0.67mmと商用溶液の5.35mmとで連続的にサブミリ精度を達成している。
- 参考スコア（独自算出の注目度）: 0.5949599220326207
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Purpose: Accurate intraoperative X-ray/CT registration is essential for surgical navigation in orthopedic procedures. However, existing methods struggle with consistently achieving sub-millimeter accuracy, robustness under broad initial pose estimates or need manual key-point annotations. This work aims to address these challenges by proposing a novel multi-view X-ray/CT registration method for intraoperative bone registration. Methods: The proposed registration method consists of a multi-view, contour-based iterative closest point (ICP) optimization. Unlike previous methods, which attempt to match bone contours across the entire silhouette in both imaging modalities, we focus on matching specific subcategories of contours corresponding to bone substructures. This leads to reduced ambiguity in the ICP matches, resulting in a more robust and accurate registration solution. This approach requires only two X-ray images and operates fully automatically. Additionally, we contribute a dataset of 5 cadaveric specimens, including real X-ray images, X-ray image poses and the corresponding CT scans. Results: The proposed registration method is evaluated on real X-ray images using mean reprojection error (mRPD). The method consistently achieves sub-millimeter accuracy with a mRPD 0.67mm compared to 5.35mm by a commercial solution requiring manual intervention. Furthermore, the method offers improved practical applicability, being fully automatic. Conclusion: Our method offers a practical, accurate, and efficient solution for multi-view X-ray/CT registration in orthopedic surgeries, which can be easily combined with tracking systems. By improving registration accuracy and minimizing manual intervention, it enhances intraoperative navigation, contributing to more accurate and effective surgical outcomes in computer-assisted surgery (CAS).
- Abstract（参考訳）: 目的: 整形外科手術における術中X線/CTの正確な登録は外科ナビゲーションに不可欠である。
しかし、既存の手法では、サブミリ秒の精度、広範囲な初期ポーズ推定の下での堅牢性、手動のキーポイントアノテーションの要求が一貫して達成されている。
本研究は,術中骨登録のための新しい多視点X線/CT登録法を提案することで,これらの課題に対処することを目的とする。
方法: 提案手法は多視点の輪郭型反復的最近点 (ICP) 最適化により構成される。
両撮影モードでシルエット全体にわたって骨の輪郭を一致させようとする従来の方法とは異なり、骨のサブ構造に対応する輪郭の特定のサブカテゴリのマッチングに重点を置いている。
これにより、ICPマッチの曖昧さが減少し、より堅牢で正確な登録ソリューションが得られる。
このアプローチでは2つのX線画像しか必要とせず、完全に自動的に動作する。
さらに,実際のX線画像,X線画像のポーズ,対応するCTスキャンを含む5つのカダベリック標本のデータセットをコントリビュートした。
結果: 提案手法は平均再投影誤差(mRPD)を用いて実X線画像に対して評価する。
この方法は、手動介入を必要とする商用溶液で5.35mmに対して、mRPD 0.67mmのサブミリ精度を一貫して達成する。
さらに, 本手法は, 実用性の向上, 完全自動化を実現している。
結論: 本手法は, 整形外科手術における多視点X線/CT登録のための実用的, 正確かつ効率的なソリューションであり, 追跡システムと容易に組み合わせることができる。
登録精度の向上と手動介入の最小化により、術中ナビゲーションが向上し、コンピュータ補助手術(CAS)のより正確で効果的な手術結果に寄与する。
関連論文リスト
- A Novel Coronary Artery Registration Method Based on Super-pixel Particle Swarm Optimization [2.991631700415871]
本研究では,Swarm最適化アルゴリズムに基づく新しい多モード冠状動脈画像登録法を提案する。
PCIを施行した10例のXRAおよびCTA画像28対のパイロットデータセットを用いて,本アルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2025-05-30T08:44:46Z) - Monocular Marker-free Patient-to-Image Intraoperative Registration for Cochlear Implant Surgery [4.250558597144547]
本フレームワークは単分子型外科顕微鏡とシームレスに統合され,追加のハードウェア依存や要件を伴わずに臨床応用に極めて有用である。
以上より, 術中CTスキャンを2次元の手術シーンに登録し, 角誤差が10度以内の症例では, 6次元カメラの撮影位置の予測に臨床的に関連性があることが示唆された。
論文 参考訳（メタデータ） (2025-05-23T21:15:00Z) - IMPACT: A Generic Semantic Loss for Multimodal Medical Image Registration [0.46904601975060667]
IMPACT (Image Metric with Pretrained Model-Agnostic Comparison for Transmodality registration) は、マルチモーダル画像登録のための新しい類似度尺度である。
大規模事前訓練セグメンテーションモデルから抽出した深い特徴の比較に基づいて意味的類似度尺度を定義する。
胸椎CT/CBCTおよび骨盤MR/CTデータセットを含む5つの難易度3次元登録課題について検討した。
論文 参考訳（メタデータ） (2025-03-31T14:08:21Z) - RadIR: A Scalable Framework for Multi-Grained Medical Image Retrieval via Radiology Report Mining [48.21287619304126]
本稿では,複数の粒度で画像の類似度を決定するために,高密度ラジオロジーレポートを利用した新しい手法を提案する。
我々は、胸部X線用MIMIC-IRとCTスキャン用CTRATE-IRの2つの総合的な医用画像検索データセットを構築した。
RadIR-CXR と Model-ChestCT という2つの検索システムを開発し,従来の画像画像検索と画像レポート検索に優れた性能を示す。
論文 参考訳（メタデータ） (2025-03-06T17:43:03Z) - X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
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。
論文 参考訳（メタデータ） (2023-11-25T17:48:46Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
論文 参考訳（メタデータ） (2023-08-03T21:56:50Z) - Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳（メタデータ） (2023-05-05T13:42:19Z) - Pelphix: Surgical Phase Recognition from X-ray Images in Percutaneous
Pelvic Fixation [11.805185173756708]
外科的位相認識(SPR)は、現代の手術劇場のデジタルトランスフォーメーションにおいて重要な要素である。
本稿では,X線ガイド下骨盤内骨折に対するSPRの最初のアプローチであるPelphixについて紹介する。
ボニー回廊, 工具, 解剖学の検出から追加の監督を行うことで, 画像表現をトランスフォーマーモデルに入力し, 外科的位相を遅らせる。
提案手法はX線に基づくSPRの実現可能性を示し,シミュレーションシーケンスの平均精度は93.8%,キャダバーでは67.57%である。
論文 参考訳（メタデータ） (2023-04-18T20:48:14Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z)
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。