用于腹腔镜肝脏配准的术前与术中点云匹配的学习型特征描述子
计算机视觉与模式识别
2022-11-08 v1
摘要
目的：在腹腔镜肝脏手术（LLS）中，通过将三维术前模型配准到从腹腔镜视频重建的术中部分表面，可将术前信息叠加到术中场景上。为辅助该任务，我们探索了基于学习的特征描述子的使用，据我们所知，其尚未被探索用于腹腔镜肝脏配准。此外，用于训练和评估基于学习的描述子的数据集尚不存在。方法：我们提出 LiverMatch 数据集，包含 16 个术前模型及其模拟的术中三维表面。我们还提出了专为该任务设计的 LiverMatch 网络，其输出逐点特征描述子、可见性分数和匹配点。结果：我们在 LiverMatch 数据集的测试划分（包含两个未见过的术前模型和 1400 个术中表面）上将提出的 LiverMatch 网络与最接近 LiverMatch 的一个网络以及一种基于直方图的三维描述子进行比较。结果表明，我们的 LiverMatch 网络能比另外两种方法预测更准确、更密集的匹配，并可无缝集成到基于 RANSAC-ICP 的配准算法中以实现准确的初始对齐。结论：在 LLR（腹腔镜肝脏配准）中使用基于学习的特征描述子是有前景的，因其可帮助实现准确的初始刚性对齐，进而作为后续非刚性配准的初始化。我们将在论文被接收后发布数据集与代码。
引用
@article{arxiv.2211.03688,
title = {Learning Feature Descriptors for Pre- and Intra-operative Point Cloud Matching for Laparoscopic Liver Registration},
author = {Zixin Yang and Richard Simon and Cristian A. Linte},
journal= {arXiv preprint arXiv:2211.03688},
year = {2022}
}