Unsupervised Mastoidectomy for Cochlear CT Mesh Reconstruction Using Highly Noisy Data

要約

人工内耳 (CI) 処置では、内耳の内側にある蝸牛に一連の電極を挿入します。
乳様突起切除術は、高速ドリルを使用して側頭骨の乳様突起領域の一部を切除し、中耳および内耳を通って蝸牛に安全にアクセスできるようにする外科手術です。
私たちは、術前の 3D コンピュータ断層撮影 (CT) ボリュームを使用して作成された計画を 2D 手術顕微鏡ビューに登録する術中ナビゲーション システムの開発を目指しています。
ここでは、乳様突起が無傷である術前 CT スキャンのみを使用して乳様突起切除ボリュームを合成する方法を提案します。
乳様突起切除術を統合するために設計された教師なし学習フレームワークを紹介します。
モデルのトレーニングを目的として、この方法では術後の CT スキャンを使用して、乳様突起切除術中に除去された領域が見えるものの、金属アーチファクト、低い信号対雑音比、または電極配線の影響を受ける場合でも、手動によるデータのクリーニングやラベル付けを回避します。
私たちのアプローチでは、平均サイコロスコア 70.0% で乳突切除術領域を推定します。
このアプローチは、術前計画において現実的な乳突切除術による切除領域を予測し、術中顕微鏡検査に術前計画を登録するために使用できるため、CI 術中ナビゲーションの大きな前進となります。

要約(オリジナル)

Cochlear Implant (CI) procedures involve inserting an array of electrodes into the cochlea located inside the inner ear. Mastoidectomy is a surgical procedure that uses a high-speed drill to remove part of the mastoid region of the temporal bone, providing safe access to the cochlea through the middle and inner ear. We aim to develop an intraoperative navigation system that registers plans created using 3D preoperative Computerized Tomography (CT) volumes with the 2D surgical microscope view. Herein, we propose a method to synthesize the mastoidectomy volume using only the preoperative CT scan, where the mastoid is intact. We introduce an unsupervised learning framework designed to synthesize mastoidectomy. For model training purposes, this method uses postoperative CT scans to avoid manual data cleaning or labeling, even when the region removed during mastoidectomy is visible but affected by metal artifacts, low signal-to-noise ratio, or electrode wiring. Our approach estimates mastoidectomy regions with a mean dice score of 70.0%. This approach represents a major step forward for CI intraoperative navigation by predicting realistic mastoidectomy-removed regions in preoperative planning that can be used to register the pre-surgery plan to intraoperative microscopy.

arxiv情報

著者 Yike Zhang,Dingjie Su,Eduardo Davalos,Jack H. Noble
発行日 2024-07-22 16:47:29+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク