論文の概要: PIVOTS: Aligning unseen Structures using Preoperative to Intraoperative Volume-To-Surface Registration for Liver Navigation

• arxiv url: http://arxiv.org/abs/2507.20337v1
• Date: Sun, 27 Jul 2025 16:01:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:57.456028
• Title: PIVOTS: Aligning unseen Structures using Preoperative to Intraoperative Volume-To-Surface Registration for Liver Navigation
• Title（参考訳）: PIVOTS : 術前および術中および術中ボリューム・ツー・サーフェス・レジストレーションによる肝ナビゲーションの異常な構造の調整
• Authors: Peng Liu, Bianca Güttner, Yutong Su, Chenyang Li, Jinjing Xu, Mingyang Liu, Zhe Min, Andrey Zhylka, Jasper Smit, Karin Olthof, Matteo Fusaglia, Rudi Apolle, Matthias Miederer, Laura Frohneberger, Carina Riediger, Jügen Weitz, Fiona Kolbinger, Stefanie Speidel, Micha Pfeiffer,
• Abstract要約: PIVOTSは、変形予測の入力として点雲を取るニューラルネットワークである。 生体力学シミュレーションパイプラインからシミュレーションした合成データに基づいてニューラルネットワークをトレーニングする。 その結果,ベースライン法よりも優れた登録性能が得られた。
• 参考スコア（独自算出の注目度）: 11.658316634846697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Non-rigid registration is essential for Augmented Reality guided laparoscopic liver surgery by fusing preoperative information, such as tumor location and vascular structures, into the limited intraoperative view, thereby enhancing surgical navigation. A prerequisite is the accurate prediction of intraoperative liver deformation which remains highly challenging due to factors such as large deformation caused by pneumoperitoneum, respiration and tool interaction as well as noisy intraoperative data, and limited field of view due to occlusion and constrained camera movement. To address these challenges, we introduce PIVOTS, a Preoperative to Intraoperative VOlume-To-Surface registration neural network that directly takes point clouds as input for deformation prediction. The geometric feature extraction encoder allows multi-resolution feature extraction, and the decoder, comprising novel deformation aware cross attention modules, enables pre- and intraoperative information interaction and accurate multi-level displacement prediction. We train the neural network on synthetic data simulated from a biomechanical simulation pipeline and validate its performance on both synthetic and real datasets. Results demonstrate superior registration performance of our method compared to baseline methods, exhibiting strong robustness against high amounts of noise, large deformation, and various levels of intraoperative visibility. We publish the training and test sets as evaluation benchmarks and call for a fair comparison of liver registration methods with volume-to-surface data. Code and datasets are available here https://github.com/pengliu-nct/PIVOTS.
• Abstract（参考訳）: 腫瘍位置や血管構造などの術前情報を術中視野に限定し,手術ナビゲーションの高度化を図ることで,Augmented Realityガイド下腹腔鏡下肝外科手術において,非剛性登録が不可欠である。 術中肝の変形の正確な予測は, 気腹による大変形, 呼吸・工具相互作用, ノイズの多い術中データ, 閉塞・拘束カメラ運動による視野の制限などの要因により, 依然として極めて困難である。 これらの課題に対処するために, PIVOTSを導入し, 変形予測の入力として点雲を直接取り込む, 術中VOlume-to-Surface登録ニューラルネットワークを提案する。 幾何学的特徴抽出エンコーダはマルチレゾリューション特徴抽出を可能にし、デコーダは、新規な変形を意識したクロスアテンションモジュールから構成され、術前及び術中情報相互作用と正確な多レベル変位予測を可能にする。 バイオメカニカルシミュレーションパイプラインからシミュレーションした合成データに基づいてニューラルネットワークをトレーニングし、合成データと実データの両方でその性能を検証する。 その結果,本手法はベースライン法に比べて優れた登録性能を示し,高騒音,大変形,各種の術中可視性に対して強い堅牢性を示した。 トレーニングセットとテストセットを評価ベンチマークとして公開し,肝臓登録法と体積-表面データとの公正な比較を求める。 コードとデータセットはhttps://github.com/pengliu-nct/PIVOTS.comで入手できる。

関連論文リスト

• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• Toward Reliable AR-Guided Surgical Navigation: Interactive Deformation Modeling with Data-Driven Biomechanics and Prompts [21.952265898720825]
  本稿では,計算効率を向上しつつ,FEMレベルの精度を維持するデータ駆動アルゴリズムを提案する。 変形モデリングプロセスに新たなヒューマン・イン・ザ・ループ機構を導入する。 提案アルゴリズムは, 平均目標登録誤差を3.42mmとし, ボリューム精度で最先端の手法を超越した。
  論文  参考訳（メタデータ） (2025-06-08T14:19:54Z)
• 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)
• Neuro-TransUNet: Segmentation of stroke lesion in MRI using transformers [0.6554326244334866]
  本研究では,U-Netの空間的特徴抽出をSwinUNETRのグローバルな文脈処理能力と併用するNeuro-TransUNetフレームワークを提案する。 提案したNeuro-TransUNetモデルは、ATLAS v2.0のアントレーニングデータセットでトレーニングされ、既存のディープラーニングアルゴリズムを上回っ、脳卒中病変セグメンテーションの新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-10T04:36:21Z)
• 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)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• SuPerPM: A Large Deformation-Robust Surgical Perception Framework Based on Deep Point Matching Learned from Physical Constrained Simulation Data [28.314243346768112]
  データアソシエーションのための学習に基づく非剛性点クラウドマッチングを利用する外科的知覚フレームワークSuPerPMを提案する。 提案手法は, 大規模な変形を特徴とする, 難易度の高い外科的データセット上で実証された。
  論文  参考訳（メタデータ） (2023-09-25T04:27:06Z)
• Cross-Dataset Adaptation for Instrument Classification in Cataract Surgery Videos [54.1843419649895]
  特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。 本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。 さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
  論文  参考訳（メタデータ） (2023-07-31T18:14:18Z)
• 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)
• 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。