【论文阅读笔记】Endoscopic navigation in the absence of CT imaging

论文小结

  上一篇的导航导论，是需要先验，也就是需要事先拍摄堆叠的图片（比如CT图等），在体外构建相应的3D模型，再与内窥镜图像进行实时匹配。对于很多情况来说，是无法拥有如此充足的先验的。所以，本文探索的是没有额外CT图像的一个内窥镜导航算法，应用场景是鼻腔和鼻窦内窥镜。。。。后面说的可变形配准算法，实际上，还是用了CT图像，只是不是那个患者的而已。

  作者宣称，使用可变形配准算法（deformable registration algorithm）以及视频的密集重建，他们可以在体内临床数据实现亚毫米配准，并且能够使用模拟数据建立的置信度标准为这些配准分配置信度。

论文简介

  大多数已开发的导航系统都是用于外科手术 [1, 2]。 对于手术导航，几乎总是可以进行术前 CT 扫描，这些扫描在空气、骨骼和软组织之间具有高对比度。 这使得外科医生能够更好地了解他们的位置、与周围骨骼和软组织的距离以及周围骨骼的厚度，使他们能够在手术过程中做出更明智的决定，并防止对附近的关键结构造成伤害，例如大脑、眼睛、视神经 、颈动脉等。

  本文方法与上述方法的区别在于缺乏患者特定的手术扫描。为了弥补这个缺陷，作者利用过去的CT扫描来建立相关结构的统计形状模型。然后，统计得出的形状可变形地配准到内窥镜视频中可见的解剖结构的密集重建，并且统计置信度测量会自动分配给配准。
  所以，算法同时完成两个步骤：（1）将内窥镜视频与统计得出的形状对齐；（2）将统计得出的形状变形为视频获得的结构。
  置信度测量进一步告知临床医生，在何时，对导航系统应该有多大的置信度。如果导航系统当时的配准估计置信度较低，则还允许导航系统改进自身。

方法

  在https://cirl.lcsr.jhu.edu/research/enhanced-endoscopic-navigation/有差不多的演示效果。不是我想要的方式，暂时拉倒了_。