提升术中精度：用于图像引导神经外科手术中增强脑肿瘤切除的动态数据驱动非刚性配准
图像与视频处理
2023-09-04 v2
摘要
在神经外科手术中，脑部医学图像被用于定位肿瘤与关键结构，但脑组织的移位使得术前图像无法可靠地用于肿瘤的精准切除。术中成像可追踪这些形变，但并不能替代术前数据。为此，我们采用动态数据驱动非刚性配准（NRR），这是一种复杂且耗时的图像处理操作，可调整术前图像数据以补偿术中脑移位。我们的综述探讨了一种用于图像引导神经外科手术中配准脑部 MRI 的特定 NRR 方法，并考察了多种提升 NRR 方法精度与速度的策略。我们证明，我们的实现能够在临床时间限制内给出 NRR 结果，同时利用分布式计算与机器学习，通过为 NRR 方法识别最优参数来提升配准精度。此外，我们强调了该方法在手术室中使用所面临的挑战。
引用
@article{arxiv.2308.10868,
title = {Advancing Intra-operative Precision: Dynamic Data-Driven Non-Rigid Registration for Enhanced Brain Tumor Resection in Image-Guided Neurosurgery},
author = {Nikos Chrisochoides and Andriy Fedorov and Fotis Drakopoulos and Andriy Kot and Yixun Liu and Panos Foteinos and Angelos Angelopoulos and Olivier Clatz and Nicholas Ayache and Peter M. Black and Alex J. Golby and Ron Kikinis},
journal= {arXiv preprint arXiv:2308.10868},
year = {2023}
}