基于网格恢复网络的微创肝切除术中3D/2D可变形自动配准
马修·拉布尼、丹尼尔·皮萨罗、克里斯托夫·蒂尔曼特、阿德里安·巴托利
医学影像与深度学习,PMLR 227:1104-11232024年。
摘要
我们提出了特定于患者的肝脏网格恢复(LMR)框架,通过在微创肝脏切除(MILR)中注册术前3D模型来自动实现增强现实(AR)指导。现有的方法通过姿势估计和数值优化来解决MILR中的配准问题,并且存在着令人望而却步的术中运行时间。提出的LMR受到了最近的人类网格恢复(HMR)框架的启发,形成了第一种基于学习的方法来解决MILR中的注册问题。与现有方法相比,LMR中的计算负载发生在术前训练时。我们构建了一个特定于患者的变形模型,并生成了特定于病人的训练数据,再现了自动检测到的注册原语的典型缺陷。实验结果表明,LMR的配准精度与基于优化的方法相当,同时在术中实时运行。
引用本文
相关材料