論文の概要: Marker-free deformable registration and fusion for augmented reality-guided positive margin localization during tumor resection surgery

• arxiv url: http://arxiv.org/abs/2607.13343v1
• Date: Wed, 15 Jul 2026 00:06:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.611673
• Title: Marker-free deformable registration and fusion for augmented reality-guided positive margin localization during tumor resection surgery
• Title（参考訳）: 腫瘍切除術後の拡張現実誘導陽性マージン局在に対するマーカーフリーな変形性登録と融合
• Authors: Yue Yang, Annie Benson, Matthieu Chabanas, Jason Slagle, Thomas Myles, Matthew B. Weinger, Jon S. Heiselman, Michael I. Miga, Michael Topf, Jie Ying Wu,
• Abstract要約: 頭頸部腫瘍手術の正のマージンは, 検体側病理所見を患者の切除床にマッピングする必要がある。 病理学者は、切除された変形標本のスライスにおける正のマージンを同定するので、これは難しい。 三次元検体スキャンから切除床へのマージンラベルをマッピングするためのマーカーフリー拡張現実(AR)ワークフローを提案する。
• 参考スコア（独自算出の注目度）: 6.413736566165252
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Positive margins in head and neck oncologic surgery require mapping specimen-side pathology findings to the patient resection bed. This is challenging because pathologists identify the positive margin on slices of the resected, deformed specimen, while surgeons must relocate the corresponding site on the resection bed using only verbal descriptions and no visual guidance. We present a marker-free augmented reality (AR) workflow for mapping a margin label from a three-dimensional specimen scan to the resection bed. The method combines contour-constrained deformation, residual alignment to a depth scan, surface-based fusion to a head-mounted display, and target projection onto the reconstructed bed. Bead-suture correspondences estimate specimen deformation, whereas patient-to-display fusion does not require external fiducial markers. Following formative experiments, five residents and surgeons performed cadaveric cheek and scalp re-resection tasks under verbal guidance, verbal guidance with specimen examination, and AR guidance. Deformation target errors were $7.63 \pm 3.74$ mm for the cheek and $3.72 \pm 1.02$ mm for the scalp; residual specimen-to-bed distances were $2.43 \pm 2.15$ mm and $2.19 \pm 1.06$ mm, respectively. Fusion error did not differ significantly between marker-free and marker-based methods on either cadaver; overall marker-free fusion error was $2.15 \pm 0.87$ mm. End-to-end margin localization error decreased from $21.40 \pm 3.84$ mm with verbal guidance and $16.09 \pm 4.30$ mm with specimen examination to $6.19 \pm 1.79$ mm with AR guidance ($p < 0.001$). Online fusion required $5.23 \pm 0.34$ s. These results demonstrate effective marker-free AR guidance for positive-margin localization and support more precise tumor resection.
• Abstract（参考訳）: 頭頸部腫瘍手術の正のマージンは, 検体側病理所見を患者の切除床にマッピングする必要がある。 病理学者は切除標本の切り欠きの正のマージンを同定する一方、外科医は口頭説明と視覚的ガイダンスのみを用いて切除床の対応する部位を移動しなければならないため、これは難しい。 三次元検体スキャンから切除床へのマージンラベルをマッピングするためのマーカーフリー拡張現実(AR)ワークフローを提案する。 この方法は、輪郭拘束変形、深度スキャンへの残留アライメント、ヘッドマウントディスプレイへの表面ベース融合、および再建されたベッドへのターゲット投影を組み合わせる。 bead-suture associateds estimated specimen deformation, while patient-to-present fusion does not required external fiducial markers。 定式化実験の結果,5名の住民と外科医が,口頭案内,検診による口頭指導,AR指導による頭蓋側頬・頭皮切除を行った。 変形目標誤差は頬に7.63 \pm 3.74$ mm、頭皮に3.72 \pm 1.02$ mm、残存標本から床までの距離はそれぞれ2.43 \pm 2.15$ mmと2.19 \pm 1.06$ mmである。 核融合誤差は両キャダバーのマーカーフリー法とマーカーベース法とでは大きな違いはなく、マーカーフリーの核融合誤差は2.15 \pm 0.87$ mmである。 終端マージンのローカライゼーション誤差は、口頭案内で21.40 \pm 3.84$ mm、検体検査で16.09 \pm 4.30$ mm、AR誘導で6.19 \pm 1.79$ mm(p < 0.001$)から減少した。 オンライン融合には$5.23 \pm 0.34$ sが必要だった。 以上の結果より, マーカーフリーARガイドは正マージンの局在に有効であり, より正確な腫瘍切除を支援することが示唆された。

関連論文リスト

• Contour-Constrained Deformable Registration with Parameter Characterization for Head and Neck Surgical Guidance [1.77256810223988]
  術後組織の変形を矯正し,術中ガイドを提供するバイオメカニクス駆動型変形性登録フレームワークを提案する。 皮膚、頬粘膜、舌の部位から採取した9種の標本のうち、全体的な平均目標登録誤差は、厳密な登録により111.11 pm 4.07$ mmであった。 提案された輪郭に拘束された変形可能な登録は、さらにエラーを5.62 pm 2.28$ mmに減らした。
  論文  参考訳（メタデータ） (2026-06-18T04:07:26Z)
• All-in-One Augmented Reality Guided Head and Neck Tumor Resection [6.038527309965889]
  切除標本から切除床まで正のマージンを再局在させるオールインワン拡張現実(AR)システムを提案する。 6人の医療研修生によるシリコンファントム研究において、マーカーレス登録はマーカーベースベースラインに匹敵するターゲット登録誤差を達成した。
  論文  参考訳（メタデータ） (2026-03-31T09:38:52Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Dealing with Segmentation Errors in Needle Reconstruction for MRI-Guided Brachytherapy [0.0]
  本稿では,分割誤りの処理と再構成精度の向上を目的とした,既存のポストプロセッシング手法への適応を提案する。 前立腺癌データセットの実験は、医療専門家が注釈付けしたMRIスキャンに基づいており、提案した適応がセグメンテーションエラーを効果的に管理するのに役立つことを実証している。
  論文  参考訳（メタデータ） (2025-07-25T02:35:04Z)
• 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)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Automated cross-sectional view selection in CT angiography of aortic dissections with uncertainty awareness and retrospective clinical annotations [11.415942647070796]
  この作業を容易にするために,クリニックで日常的に手動のアノテーションを効率的に利用する方法を示す。 Ill-posed but repeatitive imaging tasks can be easier or automated by leverage of imperfect, retrospective clinical annotations。
  論文  参考訳（メタデータ） (2021-11-22T15:11:36Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  脊椎に焦点をあてた新しいランドマーク検出法を提案する。 我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。 その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。