可变 X 射线成像几何条件下的 6 自由度仪器姿态估计
计算机视觉与模式识别
2024-05-21 v1 机器学习
摘要
准确估计 minimally invasive 手术期间的外科仪器的 6 自由度姿态，可显著改善治疗策略和最终手术结果。现有的深度学习方法已实现准确的结果，但需要针对每个对象进行定制方法，以及常常需要繁琐的设置和训练环境，往往需要大量仿真，而且缺乏实时计算。我们提出了一种通用的数据获取方法，用于 X 射线系统中的 6 自由度姿态估计任务，提出了一种新颖且通用的 YOLOv5-6D 姿态架构，用于准确且快速的对象姿态估计，并提出了一种完整的方法，用于在单眼锥束 X 射线图像下进行外科螺钉姿态估计。 proposed YOLOv5-6D 姿态模型在公共基准测试中取得竞争性结果，同时在 GPU 上实现约 42 FPS 的速度。此外，该方法能够跨越不同的 X 射线获取几何和语义图像复杂度，实现不同领域间的准确姿态估计。最后，在脊椎手术中用于计算机辅助引导的骨螺钉姿态估计中测试了该方法。该模型通过 0.1 ADD-S 指标实现了 92.41% 的准确率，展示了一种有前景的用于提高手术精度和患者结果的方法。YOLOv5-6D 的代码已公开于 https://github.com/cviviers/YOLOv5-6D-Pose。
引用
@article{arxiv.2405.11677,
title = {Advancing 6-DoF Instrument Pose Estimation in Variable X-Ray Imaging Geometries},
author = {Christiaan G. A. Viviers and Lena Filatova and Maurice Termeer and Peter H. N. de With and Fons van der Sommen},
journal= {arXiv preprint arXiv:2405.11677},
year = {2024}
}
备注
Early author version of paper. Refer to the full paper at https://ieeexplore.ieee.org/document/10478293