Skeleton Graph-based Ultrasound-CT Non-rigid Registration

要約

自律型超音波 (US) スキャンはますます注目を集めており、術者間の変動など従来の US 検査の限界を克服する潜在的なソリューションと見なされています。
しかし、一般的なアトラス上で計画されたスキャン軌跡を、さまざまな患者、特に音響窓が限られた胸部アプリケーションの現在の設定に自律的かつ正確に転送することは依然として困難です。
この課題に対処するために、皮膚表面ではなく皮下の骨表面の特徴を使用して患者固有の特性を適応させる、スケルトン グラフ ベースの非剛体位置合わせを提案しました。
このため、自己組織マッピングを 2 回連続して使用して、入力点群を統合し、キーポイントを抽出します。
その後、最小スパニング ツリーを使用して、抽出されたすべてのキー ポイントを接続するツリー グラフを生成します。
ソース点群とターゲット点群に一致するように肋骨軟骨の輪郭を適切に特徴付けるために、ツリー グラフから抽出されたパスは、各肋骨全体にわたる連続性を最大限に維持することによって最適化されます。
提案されたアプローチを検証するために、1 人のボランティアから US 軟骨点群を手動で抽出し、異なる患者から 7 つの CT 軟骨点群を抽出します。
結果は、提案されたグラフベースの位置合わせが、ICP よりも患者間の変動への適応においてより効果的かつ堅牢であることを示しています (距離誤差平均/SD: 7 枚の CT で 5.0/1.9 mm 対 8.6/6.7 mm)。

要約(オリジナル)

Autonomous ultrasound (US) scanning has attracted increased attention, and it has been seen as a potential solution to overcome the limitations of conventional US examinations, such as inter-operator variations. However, it is still challenging to autonomously and accurately transfer a planned scan trajectory on a generic atlas to the current setup for different patients, particularly for thorax applications with limited acoustic windows. To address this challenge, we proposed a skeleton graph-based non-rigid registration to adapt patient-specific properties using subcutaneous bone surface features rather than the skin surface. To this end, the self-organization mapping is successively used twice to unify the input point cloud and extract the key points, respectively. Afterward, the minimal spanning tree is employed to generate a tree graph to connect all extracted key points. To appropriately characterize the rib cartilage outline to match the source and target point cloud, the path extracted from the tree graph is optimized by maximally maintaining continuity throughout each rib. To validate the proposed approach, we manually extract the US cartilage point cloud from one volunteer and seven CT cartilage point clouds from different patients. The results demonstrate that the proposed graph-based registration is more effective and robust in adapting to the inter-patient variations than the ICP (distance error mean/SD: 5.0/1.9 mm vs 8.6/6.7 mm on seven CTs).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google