单目无标记患者到图像术中配准用于人工耳蜗植入手术
计算机视觉与模式识别
2025-05-27 v1
摘要
本文提出了一种新颖的单目患者到图像术中配准方法，专门设计为无需任何外部硬件跟踪设备或基准点标记。利用具有广泛变换范围的合成显微手术场景数据集，我们的方法通过一个轻量级神经网络直接将术前CT扫描映射到2D术中手术帧，实现用于人工耳蜗植入手术实时引导的零样本学习。与传统方法不同，我们的框架可与单目手术显微镜无缝集成，使其在无需额外硬件依赖的情况下极具临床实用性。我们的方法通过从合成数据集学习来估计相机位姿，包括旋转矩阵和平移向量，从而实现准确高效的术中配准。该框架在九例临床病例上进行了评估，采用了患者特异性交叉验证策略。结果表明，我们的方法在大多数情况下以10度以内的角度误差实现了预测6D相机位姿以将3D术前CT扫描配准到2D手术场景的临床相关精度，同时解决了传统方法的局限性，如依赖外部跟踪系统或基准标记。
引用
@article{arxiv.2505.18381,
title = {Monocular Marker-free Patient-to-Image Intraoperative Registration for Cochlear Implant Surgery},
author = {Yike Zhang and Eduardo Davalos Anaya and Jack H. Noble},
journal= {arXiv preprint arXiv:2505.18381},
year = {2025}
}