論文の概要: ActiveReg: Information-Driven Active Regional Probing for Partial-to-Full Bone Registration

• arxiv url: http://arxiv.org/abs/2610.11003v1
• Date: Wed, 07 Oct 2026 23:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.703897
• Title: ActiveReg: Information-Driven Active Regional Probing for Partial-to-Full Bone Registration
• Title（参考訳）: ActiveReg: 部分的骨登録のための情報駆動型アクティブ地域探索
• Abstract要約: ActiveRegはクローズドループフレームワークで、個々のポイントではなく領域の探索を推奨します。 既に取得したポイントと現在の登録情報の不確実性を考慮に入れたD最適プランナーは、より少ないポイントで正確な登録を行うのに役立つ。
• 参考スコア（独自算出の注目度）: 11.915235353096541
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate bone registration is essential for orthopedic surgical navigation and robotic assistance. In a common workflow, the surgeon needs to identify and probe a number of prescribed locations on the exposed bone surface to obtain data points for registration, which can be difficult and time-consuming under limited surgical exposure. Reducing the number of required points while providing clear probing guidance would ease the surgeon's acquisition task intra-operatively. We present ActiveReg, a closed-loop framework that recommends probing regions rather than individual points, allowing flexibility in the exact contact location. A D-optimal planner that takes into account the already acquired points and the uncertainty of current registration information helps achieve accurate registration with fewer points. An online assessment combines pre-update innovation consistency with uncertainty at predefined surgical task locations improves the reliability of completion decision, without requiring ground truth. Simulations across four anatomical scenarios demonstrated that ActiveReg can achieve competitive accuracy compared with baseline registration methods while using substantially fewer acquired points. Real phantom experiments with optical and electromagnetic tracking demonstrated comparable mean target registration error to the Gradient-SDF framework, using only 24-28 acquired points instead of 771-1263.
• Abstract（参考訳）: 正確な骨登録は整形外科ナビゲーションとロボット支援に不可欠である。 一般的なワークフローでは、外科医は露出した骨表面上のいくつかの所定の場所を特定し、調査し、登録のためのデータポイントを取得する必要がある。 必要な点数を減らし、明確な探索指導を提供することで、術中の外科医の獲得作業が楽になる。 クローズドループフレームワークであるActiveRegは、個々の点ではなく領域の探索を推奨し、正確な接触位置の柔軟性を実現する。 既に取得したポイントと現在の登録情報の不確実性を考慮に入れたD最適プランナーは、より少ないポイントで正確な登録を行うのに役立つ。 オンラインアセスメントは、事前更新されたイノベーションの一貫性と、事前に定義された外科的タスクの場所における不確実性を組み合わせることで、基礎的な真実を必要とせず、完了決定の信頼性を向上させる。 4つの解剖学的シナリオにまたがるシミュレーションでは、ActiveRegは、取得したポイントをはるかに少なく使用しながら、ベースライン登録法と比較して、競争精度が向上することを示した。 光学的および電磁的追跡による実ファントム実験では、771-1263の代わりに24-28の取得点しか使用せず、グラディエント-SDFフレームワークに匹敵する平均目標登録誤差を示した。

関連論文リスト

• Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos [73.50200033931148]
  我々はSynTAXスコアを血管セグメントのアイデンティティ保存解剖学的推論問題として再構成する。 本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨
  論文  参考訳（メタデータ） (2026-09-20T11:08:19Z)
• Is Deformable Image Registration Ready for Brain Metastasis Reirradiation Dose Accumulation? A Longitudinal MRI Benchmark of Registration Accuracy [9.65466663381376]
  線量蓄積は適応放射線療法や放射線照射においてますます重要である。 しかし、その臨床的妥当性は、変形性画像登録(DIR)の性能に依存する。 我々は、幅広い学習ベースおよび最適化ベースのDIR手法をベンチマークした。
  論文  参考訳（メタデータ） (2026-08-27T18:02:01Z)
• 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)
• Resolving the Ambiguity of Complete-to-Partial Point Cloud Registration for Image-Guided Liver Surgery with Patches-to-Partial Matching [3.6999273555552548]
  画像ガイド下肝外科では,術前データと術中データとの整合が重要となる。 あいまいさを解決するために,プラグ・アンド・プレイモジュールとしてパッチ・ツー・パーティルマッチング戦略を提案する。 術中視認性に乏しい症例に対して, 登録成績の向上に有効かつ効果的であることが証明された。
  論文  参考訳（メタデータ） (2024-12-26T18:58:29Z)
• 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)
• GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
  学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。 我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。 提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
  論文  参考訳（メタデータ） (2023-06-26T13:32:09Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Anatomy-guided Multimodal Registration by Learning Segmentation without Ground Truth: Application to Intraprocedural CBCT/MR Liver Segmentation and Registration [12.861503169117208]
  マルチモーダル画像登録は、診断医療画像と画像誘導介入に多くの応用がある。 周術期獲得診断画像を周術期内環境に登録する能力は、周術期内腫瘍ターゲティングを改善する可能性がある。 対象のモダリティ基礎真理を含まないセグメンテーション学習のためのセグメンテーションネットワーク(APA2Seg-Net)に対する解剖学的保護ドメイン適応を提案する。
  論文  参考訳（メタデータ） (2021-04-14T18:07:03Z)

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。