面向计算机辅助骨科手术的抗遮挡视觉无标记骨骼跟踪
计算机视觉与模式识别
2021-08-25 v1 机器学习
机器人学
摘要
传统的计算机辅助骨科导航系统依赖专用光学标记来跟踪患者位姿，这使得手术流程更具侵入性、更加繁琐且成本高昂。最近，视觉跟踪被提出用于以无标记且省力的方式测量目标解剖结构，但现有方法在术中干预造成的真实遮挡下会失效。此外，这类方法通常依赖于特定硬件，且精度不足以满足手术应用需求。本文提出了一种基于RGB-D传感的抗遮挡无标记跟踪方法。我们设计了一个新的分割网络，该网络具有动态感兴趣区域预测和鲁棒的三维点云分割功能。由于收集带有遮挡实例的大规模训练数据成本高昂，我们还提出了一种生成合成RGB-D图像用于网络训练的新方法。实验结果表明，我们提出的无标记跟踪方法大幅优于近期最先进的方法，尤其是在存在遮挡的情况下。此外，我们的方法能很好地泛化到新的相机和新的目标模型（包括尸体标本），无需重新训练网络。在实践中，通过使用高质量的商业RGB-D相机，我们提出的视觉跟踪方法在膝关节模型上实现了1-2度和2-4毫米的精度，达到了临床应用的标准。
引用
@article{arxiv.2108.10608,
title = {Occlusion-robust Visual Markerless Bone Tracking for Computer-Assisted Orthopaedic Surgery},
author = {Xue Hu and Anh Nguyen and Ferdinando Rodriguez y Baena},
journal= {arXiv preprint arXiv:2108.10608},
year = {2021}
}
备注
This work has been submitted to the IEEE for possible publication