SX-Stitch: An Efficient VMS-UNet Based Framework for Intraoperative Scoliosis X-Ray Image Stitching

要約

側弯症手術では、C アーム X 線装置の視野が限られているため、外科医による脊椎構造の全体的な分析が制限されます。この論文では、側弯症手術のためのエンドツーエンドの効率的で堅牢な術中 X 線画像スティッチング方法を紹介します。
SXステッチと名付けられました。
この方法は、セグメンテーションとステッチングの 2 つの段階に分かれています。
セグメンテーション段階では、Spine-UNet (VMS-UNet) の Vision Mamba という名前の医用画像セグメンテーション モデルを提案します。これは状態空間 Mamba を利用して、線形計算の複雑さを維持しながら長距離のコンテキスト情報をキャプチャし、SimAM アテンション メカニズムを組み込んでいます。
ステッチング段階では、画像間の位置合わせプロセスを簡素化し、レジストレーション エネルギー関数を最小化します。
次に、順序のない画像を順序付けるために総エネルギー関数が最適化され、最適な継ぎ目を最適化するためにハイブリッド エネルギー関数が導入され、視差アーティファクトが効果的に排除されます。
臨床データセットでは、Sx-Stitch は質的にも量的にも SOTA スキームよりも優れていることを示しています。

要約(オリジナル)

In scoliosis surgery, the limited field of view of the C-arm X-ray machine restricts the surgeons’ holistic analysis of spinal structures .This paper presents an end-to-end efficient and robust intraoperative X-ray image stitching method for scoliosis surgery,named SX-Stitch. The method is divided into two stages:segmentation and stitching. In the segmentation stage, We propose a medical image segmentation model named Vision Mamba of Spine-UNet (VMS-UNet), which utilizes the state space Mamba to capture long-distance contextual information while maintaining linear computational complexity, and incorporates the SimAM attention mechanism, significantly improving the segmentation performance.In the stitching stage, we simplify the alignment process between images to the minimization of a registration energy function. The total energy function is then optimized to order unordered images, and a hybrid energy function is introduced to optimize the best seam, effectively eliminating parallax artifacts. On the clinical dataset, Sx-Stitch demonstrates superiority over SOTA schemes both qualitatively and quantitatively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google