surgical decisions are informed by aligning rapid portable 2D intraoperative
images (e.g., X-rays) to a high-fidelity 3D preoperative reference scan (e.g.,
CT). 2d/3d image registration often fails in practice: c
该研究提出了一种完全自动的注册方法,基于卷积神经网络,用于将术中获得的 X 光图像与预先获得的三维模型进行对齐,从而降低术中图像中重叠解剖结构对外科医生的心理负担。实验结果表明,该方法在盆腔注册中的平均目标配准误差为 3.79 毫米,在真实的术中 X 光图像中的投影下平均目标配准误差为 9.65 毫米。
我们的研究通过解决手术导航中的时间、成本、辐射和工作流整合等关键障碍,提出了一个从少量术中透视 X 光图像生成脊柱三维解剖模型的方法,并通过收集体现真实和虚拟透视 X 光图像的配对数据集,利用迁移学习和风格转移机制提高了深度学习模型在真实术中环境中的准确性,研究成果表明我们的方法在手术规划、导航和机器人技术领域有重要的应用潜力。