用于骨盆创伤手术的 X 射线变换不变解剖标志检测
计算机视觉与模式识别
2018-03-26 v1
摘要
X 射线图像引导为复杂手术提供了经皮替代方案。不幸的是，除了投影简化之外，对解剖结构的间接观察也大幅增加了外科医生的任务负荷。诸如解剖标志知识等额外的 3D 信息可以使复杂场景下的手术决策受益。在透视成像中自动检测这些标志具有挑战性，因为特定标志所特有的图像域特征会随观察方向发生显著变化。因此，据我们所知，上述问题尚未得到解决。在这项工作中，我们提出了一种独立于观察方向在 X 射线图像中自动检测解剖标志的方法。为此，在合成生成的骨盆解剖数据上训练了一个基于卷积层的序列预测框架，以在单张 X 射线图像中预测 23 个标志。视角无关性取决于训练条件，在此处，这是在覆盖 LAO/RAO 和 CRAN/CAUD 方向分别为 (120 x 90) 度、以 AP 为中心的球面段上实现的。在合成数据上，所提出的方法实现了 5.6 +- 4.5 mm 的平均预测误差。我们证明所提出的网络可直接应用于临床采集的骨盆数据。特别是，我们展示了我们的术中标志检测与术前 CT 相结合能够实现 X 射线姿态估计，这最终有利于基于图像的 2D/3D 配准的初始化。
引用
@article{arxiv.1803.08608,
title = {X-ray-transform Invariant Anatomical Landmark Detection for Pelvic Trauma Surgery},
author = {Bastian Bier and Mathias Unberath and Jan-Nico Zaech and Javad Fotouhi and Mehran Armand and Greg Osgood and Nassir Navab and Andreas Maier},
journal= {arXiv preprint arXiv:1803.08608},
year = {2018}
}
备注
BB and MU have contributed equally and are listed alphabetically