論文の概要: Bridging the Markerless Tracking Validation Gap: Intraoperative X-ray Workflow Integration

• arxiv url: http://arxiv.org/abs/2610.21696v1
• Date: Thu, 15 Oct 2026 11:18:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.049679
• Title: Bridging the Markerless Tracking Validation Gap: Intraoperative X-ray Workflow Integration
• Title（参考訳）: Markerless Tracking Validation Gapのブリッジ:術中X線ワークフロー統合
• Abstract要約: RGB-Dセンサーによる脊椎解剖のマーカーレス追跡は、浸潤性骨吸収の代替として有望である。 既存の臨床データセットは、これらの方法を検証するために独立した地下の真実を提供していない。 C-arm fluoroscopy による腹腔内6-DoF反応を誘導する臨床応用パイプラインにより,このギャップを解消する。
• 参考スコア（独自算出の注目度）: 28.79265217641877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Markerless intraoperative tracking of spinal anatomy via RGB-D sensors is a promising alternative to invasive bone-anchored fiducials, yet no existing clinical dataset provides independent subsurface ground truth for validating these methods. We address this gap with a clinically viable pipeline that derives per-vertebra 6-DoF pose from routine intraoperative C-arm fluoroscopy, co-registered to the RGB-D camera frame through a multimodal fiducial array detectable in both imaging modalities. Critically, the pipeline requires no additional radiation, instrumentation, or deviation from standard surgical workflows, relying solely on the fluoroscopic images already acquired during routine level checks. A calibrated transform chain links the vertebral pose recovered via multi-view 2D-3D CT-to-fluoroscopy registration to the RGB-D coordinate frame, enabling direct comparison of any markerless registration estimate against a subsurface reference. Ex vivo validation against optically tracked ovine vertebrae confirms end-to-end accuracy of 2.06 +- 0.29 mm and 3.35 +- 0.93 degrees, sufficient to serve as independent ground truth for methods with substantially larger errors. We demonstrate the pipeline's utility by evaluating two markerless registration strategies on clinical data spanning 11 vertebrae across 1,500 frames from three surgical sequences: the first such evaluation against an independent subsurface reference in a clinical setting. The proposed framework provides reusable infrastructure for benchmarking emerging markerless tracking methods on real surgical data.
• Abstract（参考訳）: RGB-Dセンサーによる脊椎解剖のマーカーのない術中追跡は、浸潤性骨吸収の代替として有望であるが、これらの方法を検証するために独立した地下の真実を提供する既存の臨床データセットは存在しない。 両撮影モードで検出可能なマルチモーダル・フィデューシャル・アレイを用いてRGB-Dカメラフレームに同時登録し, 術中C-arm fluoroscopy から, めまい6-DoFのポーズを誘導する臨床的に有効なパイプラインを用いて, このギャップを解消する。 クリティカルなことに、パイプラインは通常の外科的ワークフローからの放射線、計測、逸脱を必要とせず、定期的なレベルチェックで既に取得されている蛍光画像のみに依存している。 キャリブレーションされたトランスフォーメーションチェーンは、マルチビュー2D-3D CT-to-fluoroscopyレジストレーションを介して回収された脊椎のポーズをRGB-D座標フレームにリンクし、マーカーレス登録推定を地下基準と直接比較することができる。 光学的に追跡された卵巣の椎骨に対する生体外検証では2.06 +- 0.29 mmと3.35 +- 0.93°のエンドツーエンドの精度が確認され、かなり大きな誤差を持つ方法の独立した基底真理となるのに十分である。 臨床現場における独立した地下基準に対する最初の評価として,1500フレームにまたがる11個の脊椎にまたがる臨床データに対する2つのマーカーレス登録戦略を評価することにより,パイプラインの有用性を実証する。 提案するフレームワークは,実際の外科的データに対して,新たなマーカーレストラッキング手法をベンチマークするための再利用可能なインフラを提供する。

関連論文リスト

• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Silhouette-to-Contour Registration: Aligning Intraoral Scan Models with Cephalometric Radiographs [10.70146635420186]
  提案するDorgeSCRは,高精度かつ解釈可能なシルエット・ツー・コントゥール登録のための,ポーズ安定・輪郭誘導型フレームワークである。 当科で経験した34症例の歯科SCRについて検討した。
  論文  参考訳（メタデータ） (2025-11-18T10:50:04Z)
• Automatic Multi-View X-Ray/CT Registration Using Bone Substructure Contours [0.5949599220326207]
  術中骨登録のための新しい多視点X線/CT登録法を提案する。 メソッドはマルチビューの輪郭ベースの反復的最近点 (ICP) 最適化で構成されている。 MRPD 0.67mmと商用溶液の5.35mmとで連続的にサブミリ精度を達成している。
  論文  参考訳（メタデータ） (2025-06-16T09:33:37Z)
• Monocular Marker-free Patient-to-Image Intraoperative Registration for Cochlear Implant Surgery [4.250558597144547]
  本フレームワークは単分子型外科顕微鏡とシームレスに統合され,追加のハードウェア依存や要件を伴わずに臨床応用に極めて有用である。 以上より, 術中CTスキャンを2次元の手術シーンに登録し, 角誤差が10度以内の症例では, 6次元カメラの撮影位置の予測に臨床的に関連性があることが示唆された。
  論文  参考訳（メタデータ） (2025-05-23T21:15:00Z)
• 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)
• 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)
• 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)
• Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
  単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。 U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。 実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
  論文  参考訳（メタデータ） (2022-07-20T14:20:03Z)
• Automatic 2D-3D Registration without Contrast Agent during Neurovascular Interventions [0.34376560669160383]
  血管の3次元回転再構成による生体蛍光画像を用いて、最小侵襲の神経血管治療で血管内デバイスをナビゲートすることができる。 画像ベース登録アルゴリズムは、画像の勾配(骨構造、罪悪感)を目覚ましい特徴として依存する。 本稿では,臨床ワークフローの変更を必要とせず,新たな2D-3Dレジストレーションの検証方法を確立する。
  論文  参考訳（メタデータ） (2021-06-08T20:16:04Z)
• 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)

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。