NeuralBoneReg：基于点云的无标签多模态骨表面注册方法
计算机视觉与模式识别
2026-05-25 v2
摘要
在计算机和机器人辅助骨科手术 (CAOS) 中，源于术前成像的患者专属手术计划定义了目标位置和植入轨迹。在手术中，这些计划必须精确地传递，这取决于术前和术中数据之间的精确跨模态注册。然而，跨模态间的显著模态异质性使得这一注册具有挑战性且容易出错。因此，鲁棒、自动且对模态不敏感的骨表面注册具有临床重要性。我们提出 NeuralBoneReg，一种自监督、基于表面的框架，使用 3D 点云作为模态无关的表示进行骨表面注册。NeuralBoneReg 包括两个模块：一种学习术前骨骼模型的隐式神经无符号距离场 (UDF)，以及一种基于多层感知机 (MLP) 的注册模块，通过生成变换假设来进行全局初始化和局部细化，将术中点云与神经 UDF 对齐。与现有监督方法不同，NeuralBoneReg 以自监督方式运行，不需要跨主体训练数据。在 UltraBones100k 和 SpineDepth 两个公开的多模态数据集上对 NeuralBoneReg 进行了评估。该评估还包括一个新引入的 CT-超声骨髓和骨盆的 cadaver 主题数据集 (UltraBones-Hip)，将公开提供。NeuralBoneReg 在所有数据集上均与现有方法相当或更好， 在 UltraBones100k 上实现了 1.83°/2.02 mm 的平均 RRE/RTE，在 UltraBones-Hip 上实现了 1.90°/1.56 mm，在 SpineDepth 上实现了 3.78°/2.80 mm。这些结果表明其在解剖学和模态之间具有强大的通用性，为 CAOS 提供了稳健且精确的跨模态对齐。
引用
@article{arxiv.2511.14286,
title = {NeuralBoneReg: An Instance-Specific Label-Free Point Cloud-Based Method for Multi-Modal Bone Surface Registration},
author = {Luohong Wu and Matthias Seibold and Nicola A. Cavalcanti and Yunke Ao and Roman Flepp and Aidana Massalimova and Lilian Calvet and Philipp Fürnstahl},
journal= {arXiv preprint arXiv:2511.14286},
year = {2026}
}