In breast surgical practice, drawing is part of the preoperative planning procedure and is essential for a successful operation. In this study, we design a pipeline to assist surgeons with patient-specific breast surgical drawings. We use a deformable torso model containing the surgical patterns to match any breast surface scan. To be compatible with surgical timing, we build an articulated model through a skinning process coupled with shape deformers to enhance a fast registration process. On one hand, the scalable bones of the skinning account for pose and morphological variations of the patients. On the other hand, pre-designed artistic blendshapes create a linear space for guaranteeing anatomical variations. Then, we apply meaningful constraints to the model to find a trade-off between precision and speed. The experiments were conducted on 7 patients, in 2 different poses (prone and supine) with a breast size ranging from 36A and 42C (US/UK bra sizing). The acquisitions were obtained using the depth camera Structure Sensor, and the breast scans were acquired in less than 1 minute. The result is a registration method converging within a few seconds (3 maximum), reaching a Mean Absolute Error of 2.3 mm for mesh registration and 8.0 mm for breast anatomical landmarks. Compared to the existing literature, our model can be personalized and does not require any database. Finally, our registered model can be used to transfer surgical reference patterns onto any patient in any position.


翻译:在乳房外科手术中,绘画是手术前规划程序的一部分,对于成功操作至关重要。在这项研究中,我们设计了一条管道,帮助外科医生使用针对病人的乳房外科手术图画;我们使用一个含有外科手术模式的变形躯体模型,以匹配任何乳腺表面扫描;为了与手术时间相匹配,我们通过皮肤剥皮过程,加上形状变形器来建立一个分解模型,以加强快速登记过程。一方面,皮革账户中可缩缩放的骨头是病人的外形和形态变异。另一方面,我们预先设计的艺术混合形片为保证解剖变化创造了线性空间。然后,我们对该模型应用了有意义的限制,以便在精确和速度之间找到一种交换的折叠式。为7个病人进行了实验,其乳腺大小为36A和42C(美国/英国的胸膜变形变形变形体),其乳房变形变形变形过程为快速登记过程。一方面,通过深度照相机变形结构变形模型获得的骨质记录,而胸部扫描则少于1分钟。其结果是,在几秒钟内(3个最大)的登记方法相变形变形变形,最后将个人变形变形变形变形变形变形体变形。在8毫米后,需要一个个人变形变形体变形变形变形变形体化的压。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月17日
Arxiv
0+阅读 · 2022年7月17日
Arxiv
10+阅读 · 2017年7月4日
VIP会员
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员