論文の概要: NeuralBoneReg: A Novel Self-Supervised Method for Robust and Accurate Multi-Modal Bone Surface Registration

• arxiv url: http://arxiv.org/abs/2511.14286v1
• Date: Tue, 18 Nov 2025 09:23:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.034194
• Title: NeuralBoneReg: A Novel Self-Supervised Method for Robust and Accurate Multi-Modal Bone Surface Registration
• Title（参考訳）: NeuralBoneReg: ロバストかつ高精度なマルチモーダル骨表面レジストレーションのための新しい自己監督法
• Authors: Luohong Wu, Matthias Seibold, Nicola A. Cavalcanti, Yunke Ao, Roman Flepp, Aidana Massalimova, Lilian Calvet, Philipp Fürnstahl,
• Abstract要約: コンピュータおよびロボットによる整形外科手術(CAOS)では、術前画像から患者固有の手術計画が目標位置とインプラント軌跡を定義している。 手術中、これらの計画は術前データと術中データとの正確な相互登録に依存して正確に転送されなければならない。 本研究では, 3次元点雲を用いて骨表面をモダリティに依存しない表現として登録する, 自己教師型表面ベースフレームワークであるNeuralBoneRegを提案する。
• 参考スコア（独自算出の注目度）: 1.9699204876675205
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In computer- and robot-assisted orthopedic surgery (CAOS), patient-specific surgical plans derived from preoperative imaging define target locations and implant trajectories. During surgery, these plans must be accurately transferred, relying on precise cross-registration between preoperative and intraoperative data. However, substantial modality heterogeneity across imaging modalities makes this registration challenging and error-prone. Robust, automatic, and modality-agnostic bone surface registration is therefore clinically important. We propose NeuralBoneReg, a self-supervised, surface-based framework that registers bone surfaces using 3D point clouds as a modality-agnostic representation. NeuralBoneReg includes two modules: an implicit neural unsigned distance field (UDF) that learns the preoperative bone model, and an MLP-based registration module that performs global initialization and local refinement by generating transformation hypotheses to align the intraoperative point cloud with the neural UDF. Unlike SOTA supervised methods, NeuralBoneReg operates in a self-supervised manner, without requiring inter-subject training data. We evaluated NeuralBoneReg against baseline methods on two publicly available multi-modal datasets: a CT-ultrasound dataset of the fibula and tibia (UltraBones100k) and a CT-RGB-D dataset of spinal vertebrae (SpineDepth). The evaluation also includes a newly introduced CT--ultrasound dataset of cadaveric subjects containing femur and pelvis (UltraBones-Hip), which will be made publicly available. NeuralBoneReg matches or surpasses existing methods across all datasets, achieving mean RRE/RTE of 1.68°/1.86 mm on UltraBones100k, 1.88°/1.89 mm on UltraBones-Hip, and 3.79°/2.45 mm on SpineDepth. These results demonstrate strong generalizability across anatomies and modalities, providing robust and accurate cross-modal alignment for CAOS.
• Abstract（参考訳）: コンピュータおよびロボットによる整形外科手術(CAOS)では、術前画像から患者固有の手術計画が目標位置とインプラント軌跡を定義している。 手術中、これらの計画は術前データと術中データとの正確な相互登録に依存して正確に転送されなければならない。 しかし、画像モダリティ間のかなりのモジュラリティの不均一性は、この登録を困難にし、誤りを生じさせる。 したがって、ロバスト、自動、モダリティに依存しない骨表面の登録は臨床的に重要である。 本研究では, 3次元点雲を用いて骨表面をモダリティに依存しない表現として登録する, 自己教師型表面ベースフレームワークであるNeuralBoneRegを提案する。 NeuralBoneRegには、術前の骨モデルを学ぶ暗黙のニューラルアンサイン距離場(UDF)と、術中点雲と神経UDFを整列させるために変換仮説を生成することで、大域的な初期化と局所的な洗練を行うMLPベースの登録モジュールの2つのモジュールが含まれている。 SOTAの教師付き方法とは異なり、NeuralBoneRegはオブジェクト間のトレーニングデータを必要とせず、セルフ教師付きで動作している。 胸椎CT-ultrasound データセット (UltraBones100k) と脊椎CT-RGB-D データセット (SpineDepth) を用いた。 この評価には、大腿骨と骨盤を含む新しいCT-ultrasoundデータセット(UltraBones-Hip)も含まれている。 NeuralBoneRegは、UltraBones100kで1.68°/1.86 mm、UltraBones-Hipで1.88°/1.89 mm、SpineDepthで3.79°/2.45 mmの平均RRE/RTEを達成している。 これらの結果は、解剖学とモダリティにまたがる強力な一般化可能性を示し、CAOSの堅牢で正確なクロスモーダルアライメントを提供する。

関連論文リスト

• The Brain Resection Multimodal Image Registration (ReMIND2Reg) 2025 Challenge [42.51640997446028]
  ReMIND2Reg 2025 Challengeは、ReMINDデータセットに基づいて構築された、このタスクのための最大の公開ベンチマークを提供する。 99のトレーニングケース、5のバリデーションケース、10のプライベートテストケースがペアの3D ceT1 MRI、T2 MRI、そして術後3D iUSボリュームで構成されている。 データはトレーニングのためのアノテーションなしで提供され、検証とテストのパフォーマンスは手動で注釈付けされた解剖学的ランドマークで評価される。
  論文  参考訳（メタデータ） (2025-08-13T09:31:06Z)
• Microelectrode Signal Dynamics as Biomarkers of Subthalamic Nucleus Entry on Deep Brain Stimulation: A Nonlinear Feature Approach [0.0]
  本稿では、非線形力学とエントロピーに基づくメトリクスを利用して、STN内外から記録された神経活動の分類を行うフレームワークを提案する。 本研究は,DBS手術中におけるリアルタイム・データ駆動意思決定支援における非線形・エントロピー信号記述子の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-06-14T23:23:26Z)
• A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
  3DパッチをベースとしたResidual U-Netアーキテクチャに基づいた,ディープラーニングの自動パイプラインを開発した。 進行前立腺癌 (APC) と多発性骨髄腫 (MM) の532検体を含む多心性WB-DWIデータセットを用いた。 オートマチックとマニュアルフルボディのADCの相対的な中央値差は10%以下であった。 モデルはアトラスベース登録アルゴリズムの12倍高速であった。
  論文  参考訳（メタデータ） (2025-03-26T17:03:46Z)
• Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
  形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。 一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。 提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
  論文  参考訳（メタデータ） (2024-06-06T14:15:15Z)
• Analysis of the 2024 BraTS Meningioma Radiotherapy Planning Automated Segmentation Challenge [45.3253187215396]
  2024年脳腫瘍髄膜腫放射線療法(BraTS-MEN-RT)は、自動セグメンテーションアルゴリズムの進歩を目的とした課題である。 我々はBraTS-MEN-RTチャレンジの設計と結果について述べる。
  論文  参考訳（メタデータ） (2024-05-28T17:25:43Z)
• ssVERDICT: Self-Supervised VERDICT-MRI for Enhanced Prostate Tumour Characterisation [2.755232740505053]
  トレーニングデータなしでVERDICT推定パラメータマップを適合させる自己教師型ニューラルネットワーク。 本研究では,SsVERDICTの性能を拡散MRIモデルに適合する2つの確立されたベースライン法と比較する。
  論文  参考訳（メタデータ） (2023-09-12T14:31:33Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)

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。