Kernkonzepte
본 연구는 외부 인프라 없이도 무선 핸드헬드 초음파 스캐닝을 통해 뼈의 3D 재구성을 가능하게 하는 새로운 방법을 제안한다. 시각-관성 측위 및 딥 러닝 기반 관성 측위 기술을 활용하여 초음파 스캐너의 움직임을 추정하고, 이를 통해 슬개골의 위치를 정밀하게 추적할 수 있다.
Zusammenfassung
본 연구는 외부 인프라 없이도 무선 핸드헬드 초음파 스캐닝을 통해 뼈의 3D 재구성을 가능하게 하는 새로운 방법을 제안한다.
실험 설정:
- 레알센스 스테레오 카메라와 IMU가 장착된 클라리우스 초음파 스캐너를 사용하였다.
- 두 개의 대퇴골 팬텀 모델을 사용하였으며, 슬개골이 굴곡 및 신전 위치에 있도록 하였다.
- 광학 모션 캡처 시스템을 기준으로 삼았다.
추적 방법:
- 시각-관성 측위(VIO): 스테레오 카메라와 IMU 데이터를 융합하여 스캐너의 움직임을 추정하였다.
- 딥 러닝 기반 관성 측위: IMU 데이터만을 이용하여 신경망 모델을 학습시켜 스캐너의 움직임을 추정하였다.
- 광학 모션 캡처: 기준 방법으로 사용하였다.
재구성 결과:
- VIO 방법은 광학 모션 캡처와 유사한 수준의 정확도를 보였다(평균 오차 1.25 mm).
- 딥 러닝 관성 측위 방법은 평균 오차 1.85 mm로 다소 높은 오차를 보였다.
- 이를 통해 시각-관성 측위 기술이 외부 인프라 없이도 정밀한 3D 뼈 재구성이 가능함을 보였다.
향후 과제:
- 딥 러닝 관성 측위 방법의 성능 향상을 위한 새로운 신경망 구조 탐색이 필요하다.
- 통계적 형상 모델 등을 활용하여 관절 위치 추정 등 다양한 임상 응용 가능성을 탐구할 수 있다.
Statistiken
시각-관성 측위 방법의 평균 위치 오차는 1.25 mm였다.
광학 모션 캡처 방법의 평균 위치 오차는 1.21 mm였다.
딥 러닝 관성 측위 방법의 평균 위치 오차는 1.85 mm였다.
Zitate
"시각-관성 측위 기술이 외부 인프라 없이도 정밀한 3D 뼈 재구성이 가능함을 보였다."
"딥 러닝 관성 측위 방법의 성능 향상을 위한 새로운 신경망 구조 탐색이 필요하다."