Partial-to-Full Registration based on Gradient-SDF for Computer-Assisted Orthopedic Surgery

要約

コンピュータ支援整形外科手術（CAOS）において、正確な術前-術中骨レジストレーションは、ナビゲーショナルガイダンスを提供するために不可欠かつ重要な要件である。このレジストレーションプロセスは、術中の3次元点がまばらで、術前モデルと部分的にしかオーバーラップせず、ノイズや異常値によって妨害されるため、困難である。現在の最新の整形外科ロボットシステムでは、骨ランドマークに基づくレジストレーションが一般的に用いられているが、外科医にとっては非常に時間のかかる方法である。これらの問題点を解決するために，我々はCAOSのためのgradient-SDFに基づく新しい部分-全体レジストレーションフレームワークを提案する．一般に公開されているデータセットの骨モデルを用いたシミュレーション実験と、光学追跡と電磁追跡の両方のシステム下で行われたファントム実験により、提案手法が標準的なベンチマークよりも正確な結果を提供でき、90％の外れ値に対して頑健であることが実証された。重要な点として、本手法は実際のシナリオにおいて1秒未満で収束し、平均ターゲット登録誤差は骨モデル全体で2.198mmと低い値を達成しています。最後に、特定の骨ランドマークに対応することなく、骨表面上で外科用プローブを移動させることにより、レジストレーションのための点をランダムに取得するだけでよいため、臨床的価値の可能性が大きい。

要約(オリジナル)

In computer-assisted orthopedic surgery (CAOS), accurate pre-operative to intra-operative bone registration is an essential and critical requirement for providing navigational guidance. This registration process is challenging since the intra-operative 3D points are sparse, only partially overlapped with the pre-operative model, and disturbed by noise and outliers. The commonly used method in current state-of-the-art orthopedic robotic system is bony landmarks based registration, but it is very time-consuming for the surgeons. To address these issues, we propose a novel partial-to-full registration framework based on gradient-SDF for CAOS. The simulation experiments using bone models from publicly available datasets and the phantom experiments performed under both optical tracking and electromagnetic tracking systems demonstrate that the proposed method can provide more accurate results than standard benchmarks and be robust to 90% outliers. Importantly, our method achieves convergence in less than 1 second in real scenarios and mean target registration error values as low as 2.198 mm for the entire bone model. Finally, it only requires random acquisition of points for registration by moving a surgical probe over the bone surface without correspondence with any specific bony landmarks, thus showing significant potential clinical value.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL