用于鲁棒高效2D/3D配准的透视镜下髋部解剖自动标注
计算机视觉与模式识别
2020-06-02 v2 图像与视频处理
摘要
透视镜是指导髋关节手术的标准成像方式，因此是计算机辅助导航的自然传感器。为高效解决导航过程中提出的复杂配准问题，通常需要对术中图像进行人工辅助标注。这种手动初始化干扰了手术流程，并削弱了导航所带来的任何优势。我们提出一种使用神经网络生成的标注进行全自动配准的方法。训练神经网络以同时在透视镜下分割解剖结构并识别标志点。训练数据通过使用一种术中不兼容的髋部解剖2D/3D配准获得。真实2D标签通过使用投影的3D标注建立。术中配准将基于强度的策略与网络推断的标注相结合，且不需要人工辅助。在6具尸体标本的366张透视图像中获得了真实标签。在留一受试者交叉验证实验中，网络对左、右半骨盆以及左、右股骨的Dice系数均值分别为0.86、0.87、0.90和0.84。平均2D标志点误差为5.0 mm。当使用所提术中方法时，86%的图像骨盆配准误差在1度以内，平均运行时间为7秒。相比之下，无手动初始化的纯强度方法仅在18%的图像中将骨盆配准至1度以内。我们创建了首个准确标注的、非合成的髋部透视图像数据集。通过将这些标注用作神经网络的训练数据，在透视镜分割和标志点定位方面达到了最先进性能。集成这些标注实现了髋关节透视导航过程中鲁棒、全自动且高效的术中配准。
引用
@article{arxiv.1911.07042,
title = {Automatic Annotation of Hip Anatomy in Fluoroscopy for Robust and Efficient 2D/3D Registration},
author = {Robert Grupp and Mathias Unberath and Cong Gao and Rachel Hegeman and Ryan Murphy and Clayton Alexander and Yoshito Otake and Benjamin McArthur and Mehran Armand and Russell Taylor},
journal= {arXiv preprint arXiv:1911.07042},
year = {2020}
}
备注
Revised article to address reviewer comments. Accepted to IPCAI 2020. Supplementary video at https://youtu.be/5AwGlNkcp9o and dataset/code at https://github.com/rg2/DeepFluoroLabeling-IPCAI2020