用于可解释在线 EMT 补偿的 CycleGAN
计算机视觉与模式识别
2021-01-06 v1
摘要
目的：电磁跟踪（EMT）可在微创术中部分替代 X 线引导，减少手术室中的辐射。然而在此混合环境中，EMT 受 X 线设备引起的金属畸变干扰。我们计划通过补偿 EMT 误差，使混合导航成为临床现实，以降低患者与外科医生的辐射暴露。方法：我们的在线补偿策略利用循环一致生成对抗神经网络（CycleGAN）。将 3D 位置从各类床旁环境翻译至其基准等效环境。域翻译点在基准域中微调以减小误差。我们在体模实验中评估该补偿方法。结果：由于域翻译方法将畸变点映射至其实验室等效点，预测在不同 C 臂环境中一致。所有评估环境中误差均成功减小。我们的定性体模实验表明该方法对未见过的 C 臂环境泛化良好。结论：对抗式、循环一致训练是一种可解释、一致因而可理解的在线误差补偿方法。对 EMT 误差补偿的定性评估揭示了本方法在旋转误差补偿上的潜力。
引用
@article{arxiv.2101.01444,
title = {CycleGAN for Interpretable Online EMT Compensation},
author = {Henry Krumb and Dhritimaan Das and Romol Chadda and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2101.01444},
year = {2021}
}
备注
Conditionally accepted for publication in IJCARS & presentation at IPCAI