거친 등록(coarse registration)은 수술 내비게이션의 정확성을 결정하는 데 있어 첫 단계이다. 본 연구의 목적은 편의성과 정확성을 향상시키기 위한 자동화된 거친 등록(ACR) 방법론을 제시하는 데 있다. 이를 위해 합성곱 신경망(convolutional neural network)에 기반한 딥러닝 모델을 사용하였다. 학습에 사용한 입력 변수는 의료영상에 기반하여 생성한 가상 환자 점군(virtual patient point-cloud; VPPC)이었다. 출력 변수는 VPPC를 의료영상의 주변 공간으로 전송하는 과정에서 얻어지는 좌표 변환의 값이었다. ACR 모델은 의료영상 및 환자 공간에서 점군의 전역 특징(global features)을 추출하는 단계와 전역 특징을 통해 3차원 좌표 변환의 정보를 예측하는 단계로 구성되었다. x, y, z 축에 대한 예측 회전 값과 실제 회전 값 간의 유사성을 평가한 결정계수(coefficient of determination)는 각각 0.993, 0.989, 0.990이었다. x, y, z 축에 대한 예측 및 실제 이동(translation) 값의 결정계수는 각각 0.993, 0.989, 0.994이었다. ACR을 이용해 3개의 팬텀(phantom)에 대해 거친 등록을 수행한 결과, 환자와 계산단층촬영(computed tomography) 점군 간 등록 오차는 각각 3.813 ± 0.792, 3.786 ± 0.734, 3.653 ± 0.668 mm로, 기존 방법의 등록 오차(4.671 ± 0.738, 4.865 ± 0.776, 4.670 ± 0.455 mm)보다 유의하게 개선되었다. 제안된 방법은 거친 등록을 자동화함으로써 수술 전 준비 단계에서 편의성을 제공할 수 있다. 또한, 시술자(operator)에 의해 발생할 수 있는 무작위 오류를 제거함으로써 반복성과 재현성(repeatability and reproducibility)을 제공할 수 있을 것으로 기대된다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.