Core Concepts
深層学習を用いた点群登録手法を医療用拡張現実ガイド手術の文脈で評価し、従来の登録手法と比較した。
Abstract
本研究は、医療用拡張現実ガイド手術(AR-GS)における画像と患者の登録に深層学習ベースの点群登録手法を適用することを目的としている。
まず、CT画像から抽出した点群(ソース)と、Microsoft HoloLens 2で取得した点群(ターゲット)からなるデータセットを作成した。
次に、Feature-metric Registration (FMR)、PointNetLK Revisited、Deep Global Registration (DGR)の3つの深層学習ベースの点群登録手法を評価した。
実験の結果、FMRとPointNetLKは本データセットに適応できないことが分かった。一方、DGRは一部の事例で良好な結果を示したが、従来の特徴点ベースの手法(グローバル登録+ICP)には及ばなかった。
DGRをデータセット上で微調整することで、登録精度は向上したが、依然として従来手法に劣っていた。
このことから、医療用AR-GSにおける点群登録には、深層学習手法と従来手法を組み合わせたハイブリッドアプローチが有効である可能性が示唆された。
今後の課題として、他の深層学習手法の検討や、HL2上での直接実装と評価などが考えられる。
Stats
点群登録の精度は、平行移動誤差0.05 ± 0.06 cm、回転誤差2.03 ± 2.08°であった。
点群登録の処理時間は1.63秒であった。
Quotes
"深層学習ベースの点群登録手法は、複雑なデータセットを効果的に捉えることができることを実証した。"
"DGRは一部の事例で良好な結果を示したが、従来の特徴点ベースの手法(グローバル登録+ICP)には及ばなかった。"
"DGRをデータセット上で微調整することで、登録精度は向上したが、依然として従来手法に劣っていた。"