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

BibTeX公司
@会议记录{pmlr-v227-labrunie24a，title={使用网格恢复网络在微创肝切除术中自动3D/2D可变形配准}，作者={拉布吕尼、马修和皮萨罗、丹尼尔和蒂尔曼、克利斯朵夫和巴托利、阿德里安}，booktitle={医学影像与深度学习}，页数={1104--1123}，年份={2024}，editor={奥古斯、伊佩克和诺布尔、杰克和李、肖肖和斯特纳、马丁和鲍姆加特纳、克里斯蒂安和鲁苏、米拉贝拉和海曼、托比亚斯和康托斯、德斯皮纳和兰德曼、贝内特和达旺特、贝诺特}，体积={227}，series={机器学习研究论文集}，月份＝{7月10日至12日}，publisher={PMLR}，pdf={https://procedures.mlr.press/v227/labrunie24a/labrunie 24a.pdf}，url={https://procedures.mlr.press/v227/labrunie24a.html}，abstract={我们提出了特定于患者的肝网格恢复（LMR）框架，通过在微创肝切除（MILR）中注册术前3D模型，自动实现增强现实（AR）指导现有方法通过姿势估计和数值优化来解决MILR中的配准问题，并且存在术中运行时间过长的问题。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不相上下，同时在手术中实时运行}
尾注
%0会议论文%基于网格恢复网络的微创肝切除术中三维/二维可变形配准%马修·拉布尼%丹尼尔·皮萨罗%克里斯托弗·蒂尔曼%阿德里安·巴托利%B医学影像与深度学习%C机器学习研究进展%D 2024年%伊佩克·奥古兹%E杰克·诺布尔%E李晓晓%E马丁·斯特纳%E克里斯蒂安·鲍姆加特纳%E米拉贝拉·鲁苏%E托比亚斯·海曼%E Despina Kontos公司%E Bennett Landman公司%E Benoit Dawant公司%F pmlr-v227-labrunie24a公司%我PMLR%电话1104--1123%U型https://proceedings.mlr.press/v227/labrunie24a.html%227伏%X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。
亚太地区
Labrunie，M.、Pizarro，D.、Tilmant，C.和Bartoli，A.（2024年）。使用网格恢复网络在微创肝脏切除术中自动进行3D/2D可变形配准。医学影像与深度学习，英寸机器学习研究进展227:1104-1123网址：https://proceedings.mlr.press/v227/labrunie24a.html。

相关材料