手術機器の遮蔽下におけるX線とCTの登録のための対照学習に基づく手法
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Contrastive learning based method for X-ray and CT registration under surgical equipment occlusion
雑誌名：Comput Biol Med. 2024 Sep; 180: 108946.
概 要：
本研究は、手術機器の遮蔽による精度低下を克服するために、対照学習に基づくX線とCTの登録手法を提案します。従来の深層学習に基づく3D/2D手術ナビゲーション登録技術は優れた結果を示していますが、遮蔽の影響を受けやすいという制約があります。提案手法では、遮蔽されたX線と非遮蔽のX線を正のサンプルとして扱い、類似性を最大化し、遮蔽による干渉を低減します。さらに、ResTransというトランスフォーマーの残差接続を持つ登録モデルを設計し、遮蔽時でも有効な特徴を適応的に取得できるようにしています。
方 法：
本研究は、手術機器が遮蔽されたX線を用いた実験を行い、提案した対照学習手法を評価しました。ResTransモデルは、長いシーケンスのマッピング能力を強化し、学習ベースの関心領域（RoI）微調整手法を用いて不整合を修正します。主要評価指標は、平均ターゲット登録誤差（mTRE）で、3.25 mmを達成しました。
結 果：
提案手法のResTransは、遮蔽された3D/2D登録タスクにおいて、平均ターゲット登録誤差（mTRE）が3.25 mm、実行時間が1.59秒であることが示されました。最先端の3D/2D登録手法と比較して、より優れた性能を発揮しました。
結 論：
提案した対照学習に基づく手法は、手術機器の遮蔽下においても高精度なX線とCTの登録を実現し、従来の手法よりも優れた性能を示しました。これにより、手術ナビゲーションの精度向上が期待されます。