基于CNN的单张X射线投影实时二维-三维可变形配准
图像与视频处理
2023-03-28 v2 计算机视觉与模式识别
摘要
目的：本文旨在提出一种利用单张透视图像进行实时二维-三维非刚性配准的方法。该方法可应用于外科手术、介入放射学和放射治疗。通过从二维X射线图像估计三维位移场，可将术前扫描中分割的解剖结构投影到二维图像上，从而提供混合现实视图。方法：从术前扫描生成由位移场和解剖结构的二维投影组成的数据集。基于该数据集训练神经网络，以从单张投影图像中恢复未知的三维位移场。结果：我们的方法在肺四维CT数据的不同肺变形阶段进行了验证。训练在三维CT上使用随机（非领域特定的）微分同胚变形进行，并加入模拟位姿不确定性的扰动。该模型在一系列标志点上取得的均值TRE（目标配准误差）根据变形幅度的不同在2.3至5.5 mm之间。结论：本文提出了一种基于CNN的实时二维-三维非刚性配准方法。该方法能够处理位姿估计不确定性，使其适用于实际临床场景，例如肺手术中C臂位姿在干预前规划的情况。
引用
@article{arxiv.2212.07692,
title = {CNN-based real-time 2D-3D deformable registration from a single X-ray projection},
author = {François Lecomte and Jean-Louis Dillenseger and Stéphane Cotin},
journal= {arXiv preprint arXiv:2212.07692},
year = {2023}
}