論文要約：SuPerPM: A Large Deformation-Robust Surgical Perception Framework

SuPerPM: A Large Deformation-Robust Surgical Perception Framework Based on Deep Point Matching Learned from Physical Constrained Simulation Data

概要

手術シーントラッキング。シミュレーションを用いて、非剛体点群マッチングを学習する、SuPerPMを提案。生体のより大きな変形に対応可。SOTA。

書誌情報

2023/9/25
Shan Lin、他
カリフォルニア大学
https://arxiv.org/abs/2309.13863

背景・目的

手術シーントラッキング。
外科手術では生体が大きく変形するため、トラッキングは容易ではない。

外科手術で点群マッチングの学習データを収集するのは容易ではない。

方法

シミュレーションを用いて、非剛体点群マッチングを学習する、SuPerPMを提案。
生体のより大きな変形に対応。

手術ロボットで組織を操作、内視鏡画像を収集、異なる時点の間で点群を対応付け、点群マッチングの学習データとする。
位置ベースのダイナミクス（Position-Based Dynamics、PBD）シミュレーションでデータ生成するので、高精度に正解データを生成できる。

before　SuPer　ICP（Iterative Closest Point）アルゴに基づく。対応付けを誤る。
after 　DLに変更。

Lepard＋SuPer。Lepard。
上　SuPer。
下　Lepard　点群マッチング学習。PBDシミュレーションデータでファインチューニング。
ICPより生体の大きな変形にロバスト。

データ生成パイプライン。

データ収集。ステレオ内視鏡。

結果・考察

変形が大きい外科手術データセットで、SOTA。