수술 내비게이션을 위한 이미지 기반 표면 정합 자동화 연구

Automated Image-Guided Surgical Navigation Registration

연구 내용

신경망과 AutoML을 이용해 의료 영상 기반 표면 정합을 자동화하고, coarse 및 fine 정합 오차를 줄이는 연구

수술 전 준비와 수술 중 내비게이션 성능은 영상-환자 공간 간 정합 정확도에 의해 좌우됩니다. 본 연구는 medical image로부터 추출한 point cloud와 환자 공간 정보의 대응을 학습하고, coordinate transformation을 예측하여 coarse registration 단계의 반복성과 재현성을 높이는 접근을 사용합니다. 또한 표면 정합에서는 신경망으로 새 point-cloud를 생성한 뒤 iterative closest point 기반 정확도 평가를 수행하며, Bayesian optimization을 통해 네트워크 및 ICP 하이퍼파라미터를 자동 최적화합니다. 이를 통해 표면 정합 오차를 체계적으로 개선합니다.

관련 프로젝트

0건

연구 흐름

처음에는 coarse registration을 자동화하기 위해 convolutional neural network 기반 회귀 구조로 3차원 회전과 이동 변환을 예측하는 프레임을 구성했습니다. 이후에는 기존 surface registration의 정확도 한계를 개선하기 위해, 신경망으로 point-cloud를 재구성한 다음 ICP로 TRE를 계산하는 파이프라인을 확장했습니다. 마지막으로 AutoML 관점에서 Bayesian optimization으로 하이퍼파라미터를 조정하여 정합 정확도를 높이고, 모형(phantom) 및 임상 적용 예시를 통해 성능을 검증하는 흐름으로 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

수술 전 준비 자동화
이미지 기반 환자-영상 정합 자동화
수술 내비게이션 정확도 향상
CT 기반 포인트 클라우드 정합
수술 플랫폼 재현성 개선
운영 시간 단축을 위한 전처리 자동화
환자 개체 차이 적응형 정합
포인트 클라우드 기반 정합 파이프라인
내비게이션 품질 관리(QA) 체계
의료 데이터 기반 알고리즘 고도화