基于梯度-SDF 的部分到全注册方法用于计算机辅助骨科手术
机器人学
2024-10-07 v1
摘要
在计算机辅助骨科手术（CAOS）中，准确的术前至术中骨骼注册是提供导航指导的关键且重要的要求。这种注册过程具有挑战性，因为术中3D点稀疏，仅与术前模型部分重叠，且受噪声和离群值的干扰。当前最先进的骨科机器人系统常用的方法是基于骨骼标志点的注册，但这对外科医生耗时较长。为解决这些问题，我们提出了一种基于梯度-SDF 的 novel 部分到全注册框架，用于 CAOS。使用来自公开数据集的骨骼模型进行仿真实验，并在光学跟踪和电磁跟踪系统下进行假体实验，结果表明所提出的方法比标准基准更准确，且对90%离群值具有鲁棒性。重要的是，我们的方法在实际场景下在不到1秒内即可收敛，整个骨骼模型的平均靶标注册误差可低至2.198 mm。最后，它仅需要通过在骨骼表面移动手术探针进行随机获取点即可完成注册，而无需与任何特定骨骼标志点对应，从而展现出显著的临床价值。
引用
@article{arxiv.2410.03078,
title = {Partial-to-Full Registration based on Gradient-SDF for Computer-Assisted Orthopedic Surgery},
author = {Tiancheng Li and Peter Walker and Danial Hammoud and Liang Zhao and Shoudong Huang},
journal= {arXiv preprint arXiv:2410.03078},
year = {2024}
}