本研究は、外科手術における組織変形の追跡と再構築を目的としたSuPerフレームワークを拡張したものである。SuPerは、反復最近傍点(ICP)アルゴリズムに基づいて組織の変形を追跡するが、大変形時の誤対応が課題となっていた。
そこで本研究では、深層学習を用いた点群マッチングモデルLepardを統合したSuPerPMを提案する。Lepardは、多階層の幾何特徴を抽出し、適応的な相対3D位置エンコーディングを導入することで、大変形にも強い点マッチングを実現する。
しかし、Lepardの学習には正解の点対応が必要であり、外科手術シーンでの取得が困難である。そのため、本研究では位置ベース動力学(PBD)シミュレーションを活用し、物理的制約に基づいて変形した点群ペアを合成する手法を提案する。この合成データを用いてLepardをファインチューニングすることで、外科手術シーンでの高精度な点マッチングを実現する。
提案手法SuPerPMは、公開データセットおよび新規収集データセットを用いた実験で、従来手法に比べて大変形時の追跡精度が大幅に向上することを示している。
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Shan Lin,Alb... om arxiv.org 03-29-2024
https://arxiv.org/pdf/2309.13863.pdfDiepere vragen