[論文レビュー] 3D Path Planning from a Single 2D Fluoroscopic Image for Robot Assisted Fenestrated Endovascular Aortic Repair

Jian-Qing Zheng, Xiao-Yun Zhou+2 more|arXiv (Cornell University)|Sep 16, 2018

Aortic aneurysm repair treatments参考文献 11被引用数 3

ひとこと要約

本稿は、1枚の2次元 Fluoroscopy 画像のみを用いて、ロボット支援フェニストレートエノベスキュラーアーテリオグラフト修復（FEVAR）のためのリアルタイム3次元ロボットパスプランニングフレームワークを提案する。事前撮影された3次元大動脈瘤（AAA）スケルトンと手術中の2次元投影をグラフマッチングで整合させた後、長さと滑らかさの正則化を施した薄板スプライン（TPS）を用いた非剛性スケルトン変形を実行し、インビトロ実験で2 mmの3次元距離誤差を達成し、ICP-TPSを上回る精度、耐性、速度を実現した。

ABSTRACT

The current standard of intra-operative navigation during Fenestrated Endovascular Aortic Repair (FEVAR) calls for need of 3D alignments between inserted devices and aortic branches. The navigation commonly via 2D fluoroscopic images, lacks anatomical information, resulting in longer operation hours and radiation exposure. In this paper, a framework for real-time 3D robotic path planning from a single 2D fluoroscopic image of Abdominal Aortic Aneurysm (AAA) is introduced. A graph matching method is proposed to establish the correspondence between the 3D preoperative and 2D intra-operative AAA skeletons, and then the two skeletons are registered by skeleton deformation and regularization in respect to skeleton length and smoothness. Furthermore, deep learning was used to segment 3D pre-operative AAA from Computed Tomography (CT) scans to facilitate the framework automation. Simulation, phantom and patient AAA data sets have been used to validate the proposed framework. 3D distance error of 2mm was achieved in the phantom setup. Performance advantages were also achieved in terms of accuracy, robustness and time-efficiency. All the code will be open source.

研究の動機と目的

• FEVARにおける2次元 Fluoroscopy ナビゲーションでは3次元解剖的文脈が欠落しており、これが放射線被曝時間の延長と手術時間の延長を引き起こすため、これを是正すること。
• 1枚の手術中2次元 Fluoroscopy 画像のみを用いて、リアルタイム3次元ロボットパスプランニングを可能にすること。
• 深層学習による事前撮影画像のセグメンテーションとグラフベースのスケルトン対応を統合することで、3次元AAA形状再構築の精度と効率を向上させること。
• 複数枚の Fluoroscopy 画像や侵襲的ランドマークへの依存を減らし、1枚の2次元投影から3次元パス再構築を可能にすること。

提案手法

• 事前撮影CTスキャンから主大動脈瘤を自動的にセグメンテーションするために、6ブロックのU-Netを用い、交差エントロピー損失と確率的勾配降下法を適用する。
• 3次元ではregionpropsとbwareopenを、2次元ではMATLABのスケルトン化を用いて、事前撮影3次元および手術中2次元AAAスケルトンを抽出する。
• 構造的類似性に基づいて、3次元事前撮影スケルトンと2次元手術中スケルトン間のトポロジカル対応関係を確立するためにグラフマッチングを適用する。
• 長さおよび滑らかさの制約による正則化を施した薄板スプライン（TPS）変形を用いて、3次元スケルトンの非剛性登録を実行し、2次元投影に一致させる。
• 自動化された事前撮影セグメンテーションを支援するため、深層学習を統合することでパイプラインの自動化を促進する。
• 2次元／3次元距離誤差と計算時間の2つの指標を用いて、シミュレーション、インビトロ実験、患者データセットを用いた検証を実施する。

実験結果

リサーチクエスチョン

• RQ1 1枚の2次元 Fluoroscopy 画像を用いて、FEVARにおけるロボットナビゲーションのための3次元パス再構築を十分な精度と速度で行えるか？
• RQ2 投影の曖昧さがある中でも、3次元事前撮影スケルトンと2次元手術中スケルトン間のトポロジカル対応関係をどのようにして頑健に確立できるか？
• RQ3 伝統的なICP-TPSと比較して、グラフマッチングとTPSベースの変形がAAAの2次元／3次元非剛性登録においてどれほど性能向上をもたらすか？
• RQ4 深層学習を用いた事前撮影AAAセグメンテーションは、リアルタイム3次元パスプランニングを支援するためにどれほど自動化を可能にするか？
• RQ5 提案されたフレームワークは、リアルタイム臨床適用に適した1秒未塔の実行時間を達成できるか？

主な発見

• 提案手法は、インビトロ実験で3次元距離誤差2 mmを達成し、ICP-TPSベースラインを顕著に上回った。
• 患者データでは、提案手法が平均2次元距離誤差0.1222ピクセル（標準偏差：0.1455）にまで低減したのに対し、ICP-TPSは0.7061ピクセル（標準偏差：3.0812）であった。
• フレームワーク全体の実行時間は、2次元スケルトン化で約0.9秒、非剛性登録で0.8秒であり、ICP-TPSの10分以上を大幅に上回った。
• 前後方向の平行移動および回転に対して耐性を示し、患者症例全体にわたり一貫した性能を発揮した。
• 事前撮影AAAセグメンテーションに深層学習を用いることで、自動化されたパイプライン運用が可能となったが、腎動脈および大腿動脈枝については依然として手動補正が必要であった。
• すべてのデータセットにおいて、2次元および3次元距離誤差と標準偏差が低く抑えられ、ICP-TPSを上回る精度と時間効率を示した。