神经外科手术中基于期望视图学习的术中配准
计算机视觉与模式识别
2023-10-04 v1 人工智能
摘要
我们提出一种通过学习方法期望视图（Expected Appearances）实现术中患者到图像配准的新方法。我们的方法利用术前影像，针对预测的变换范围合成通过手术显微镜的的患者特定期望视图。该方法通过最小化通过光学显微镜的术中2D视图与合成期望纹理之间的不相似度来估计相机位姿。与常规方法相反，我们的方法将处理任务转移至术前阶段，从而减轻常降低配准精度的低分辨率、畸变与含噪术中图像的影响。我们在脑外科手术神经导航背景下应用了该方法。我们在合成数据及来自6例临床病例的回顾性数据上评估了我们的方法。我们的方法优于最先进（SOTA）方法并达到符合当前临床标准的精度。
引用
@article{arxiv.2310.01735,
title = {Learning Expected Appearances for Intraoperative Registration during Neurosurgery},
author = {Nazim Haouchine and Reuben Dorent and Parikshit Juvekar and Erickson Torio and William M. Wells and Tina Kapur and Alexandra J. Golby and Sarah Frisken},
journal= {arXiv preprint arXiv:2310.01735},
year = {2023}
}
备注
Accepted at MICCAI 2023