OphMatcher：眼科手術動画における不確実性を考慮した自己学習による解剖学的制約付きマッチングと手術中ナビゲーション
カテゴリ：手術支援
公開日：2026年4月10日
タイトル：OphMatcher: Uncertainty-aware self-training on ophthalmic surgical videos for anatomy-constrained matching and intraoperative navigation.
雑誌名：Med Image Anal. 2026 Mar 31; 111: 104057. doi: 10.1016/j.media.2026.104057.
概 要：
本研究では、眼科手術における精度向上のための手術ナビゲーションにおいて、インターフレーム動画マッチングが重要な技術であることを示します。従来の自然シーンに基づく画像マッチャーは手術環境の特定の要求を満たせないため、OphMatcherという自己学習フレームワークを提案します。このフレームワークは、解剖学的セグメンテーション制約を強制し、難易度の高いフレームペアを選択し、ナビゲーションに関連する構造に焦点を当てた対応関係を伝播させることで擬似ラベルを生成します。また、多因子不確実性推定とコントラスト学習を通じて擬似ラベルの信頼性をモデル化し、エラーの蓄積を防ぎます。最終的に、予測された対応関係からナビゲーションパラメータを直接計算します。
方 法：
OphMatcherは、眼科手術画像マッチングと手術中ナビゲーションのための自己学習フレームワークです。擬似ラベル生成には解剖学的セグメンテーション制約を用い、難易度の高いフレームペアを選定します。さらに、多因子不確実性推定を用いて擬似ラベルの信頼性を評価し、ナビゲーションパラメータを計算します。
結 果：
OphMatcherは、参照フレームマッチングで平均回転誤差1.68°、インターフレームマッチングで1.61°を達成し、臨床的精度要件を満たしました。比較結果は、関連手法に対して最先端の性能を示し、各コンポーネントの効果を示すアブレーションスタディも実施しました。
結 論：
OphMatcherは、眼科手術におけるリアルタイム操作と困難な手術条件下での堅牢な性能を実証し、臨床応用の可能性を強調しています。