論文の概要: Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning

• arxiv url: http://arxiv.org/abs/2604.26781v1
• Date: Wed, 29 Apr 2026 15:12:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.454738
• Title: Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning
• Title（参考訳）: 仮想現実性に基づく脊椎外科手術の患者固有のシミュレーション--外科教育と計画のための高速で高度に自動化された高忠実度システム
• Authors: Raj Kumar Ranabhat, Tayler D Ross, Tony Jiao, Jeremie Larouche, Joel Finkelstein, Michael Hardisty,
• Abstract要約: 外科訓練には、戦術教育、メンター主導の学習、外科技術研究所、手術への直接的露出が含まれる。 この作業は、バーチャルリアリティ(VR)を活用して、安全で没入的なトレーニング環境を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surgical training involves didactic teaching, mentor-led learning, surgical skills laboratories, and direct exposure to surgery; however, increasing clinical pressures have limited operating room (OR) exposure. This work leverages virtual reality (VR) to provide a safe and immersive training environment. Existing VR training is often based on standardized scenarios not tailored to individual clinical cases. This study addresses this limitation using artificial intelligence (AI) based computer vision methods to generate patient-specific simulations from computed tomography (CT) and magnetic resonance imaging (MRI). This study focuses on patient-specific spinal decompression simulation for spinal stenosis in a virtual operating room. The objectives were (1) automatic creation of 3D anatomical models and (2) VR simulation of spinal decompression procedures including laminectomy, disc resection, and foraminotomy. Model construction required multimodal fusion (registration) of CT and MRI and segmentation of relevant structures. Segmentation was evaluated using the Dice Similarity Coefficient (DSC), and registration accuracy using Target Registration Error (TRE). Qualitative feedback was obtained from surgeons and trainees. High-fidelity patient-specific 3D models were generated efficiently (approximately 2.5 minutes per case, N = 15). Segmentation accuracy was high, with a DSC of 0.95 (+/- 0.03) for vertebral bone and 0.895 (+/- 0.02) for soft tissue structures. Registration accuracy showed a mean TRE of 1.73 (+/- 0.42) mm. Semi-structured interviews indicated improved spatial understanding, increased procedural confidence, and strong perceived educational value. This platform significantly reduced the time and costs of patient-specific modelling, thereby facilitating pre-operative planning, post-procedural assessments, and comprehensive surgical simulation.
• Abstract（参考訳）: 外科訓練には、戦術教育、メンター主導の学習、外科技術研究所、手術への直接曝露が含まれるが、臨床圧力の増大は手術室(OR)の露出を制限している。 この作業は、バーチャルリアリティ(VR)を活用して、安全で没入的なトレーニング環境を提供する。 既存のVRトレーニングは、個々の臨床ケースに適合しない標準化されたシナリオに基づいていることが多い。 本研究では,人工知能(AI)を用いたコンピュータビジョン法を用いて,CT(Computed tomography)とMRI(MRI)から患者固有のシミュレーションを生成する。 本研究は,仮想手術室における脊髄狭窄に対する患者特異的除圧シミュレーションに焦点を当てた。 目的は,(1)解剖学的モデルの自動作成,(2)椎間板切除,椎間板切除,前腕切開を含む脊髄除圧術のVRシミュレーションであった。 モデル構築にはCTとMRIのマルチモーダル融合(登録)と関連する構造のセグメンテーションが必要であった。 Dice similarity Coefficient(DSC)を用いてセグメンテーションを評価し,TRE(Target Registration Error)を用いて登録精度を評価した。 外科医や研修生から質的なフィードバックを得た。 高忠実度患者特異的3Dモデル(約2.5分/日, N=15。 椎骨の DSC は 0.95 (+/- 0.03) で軟部組織は 0.895 (+/- 0.02) であった。 登録精度は平均TREが1.73mm(+/-0.42)であった。 半構造化面接では,空間的理解の向上,手続き的自信の向上,教育的価値の向上が認められた。 このプラットフォームは、患者固有のモデリングの時間とコストを大幅に削減し、手術計画、手続き後の評価、総合的な手術シミュレーションを容易にする。

関連論文リスト

• Artificial Intelligence in Breast Cancer Care: Transforming Preoperative Planning and Patient Education with 3D Reconstruction [1.5582012249641972]
  術前計画には 様々なデータセットに 解剖学的構造を分割する 正確なアルゴリズムが必要です U-Mambaを用いたHuman-in-the-loopアプローチのセグメンテーションは、撮像シナリオをまたいで一般化するように設計されている。 U-Mambaは全臓器で0.97、線維腺組織で0.96、T1強調画像で0.82と高い性能を示した。
  論文  参考訳（メタデータ） (2025-09-10T16:52:35Z)
• 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)
• Rapid patient-specific neural networks for intraoperative X-ray to volume registration [4.347837200266261]
  2D/3D登録のための患者固有のニューラルネットワークをトレーニングするための、完全に自動化されたフレームワークであるxvrを提案する。 xvrは、物理に基づくシミュレーションを使用して、患者の術前のボリューム画像から豊富な高品質なトレーニングデータを生成する。 実X線データに対する2D/3D登録アルゴリズムの最大評価を行い、xvrが多種多様なデータセットにわたって頑健に一般化されることを見出した。
  論文  参考訳（メタデータ） (2025-03-20T16:33:45Z)
• Automated Surgical Skill Assessment in Endoscopic Pituitary Surgery using Real-time Instrument Tracking on a High-fidelity Bench-top Phantom [9.41936397281689]
  外科的スキルの改善は一般的に患者の成績の改善に関連しているが、評価は主観的であり、労働集約的である。 内視鏡下垂体手術の鼻相を模範として,シミュレートされた手術に焦点を当てた新しい公開データセットが導入された。 多層パーセプトロンは87%の精度で手術技量(初心者または専門家)を予測し、「可視時間測定のための全手術時間の割合」は高度な手術技量と相関した。
  論文  参考訳（メタデータ） (2024-09-25T15:27:44Z)
• Creating a Digital Twin of Spinal Surgery: A Proof of Concept [68.37190859183663]
  手術デジタル化は、現実世界の手術の仮想レプリカを作成するプロセスである。 脊椎外科手術に応用した手術デジタル化のための概念実証(PoC)を提案する。 5台のRGB-Dカメラを外科医の動的3D再構成に、ハイエンドカメラを解剖学の3D再構成に、赤外線ステレオカメラを手術器具追跡に、レーザースキャナーを手術室の3D再構成とデータ融合に使用した。
  論文  参考訳（メタデータ） (2024-03-25T13:09:40Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• 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)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。