摘要
脊柱作为人体支撑的核心要素,对维护身体健康和功能至关重要,手术机器人的出现为复杂脊柱手术提供了一种新的解决方案.但是 2D X射线图像只能在有限的投影视图中为机器人系统提供重叠的解剖信息,这意味着它无法直观地显示完整的全视图解剖信息和精确的立体结构,而提供 3D图像的术中CT扫描技术又增加了患者和医护人员受到辐射暴露的风险.为了在不增加时间成本且最大程度减少辐射的前提下,能够实时为手术机器人导航和准确定位提供更全面的解剖结构,提出一种用于脊柱X射线重建CT图像的V形卷积注意力网络.所提出的网络通过编码器和解码器之间的任务一致性以减小特征映射之间的语义差异,同时利用通道注意力机制来迫使网络关注重要特征区域,可有效减小冗余特征信息,从而提高网络训练效率.实验得出CT图像中脊柱结构的结构相似性指数(structural similarity index,SSIM)值为 0.786,峰值信噪比(peak signal to noise ratio,PSNR)值为 34.60 dB,证明通过X射线图像进行精准的3D重建为手术机器人提供图像支持拥有巨大潜力.
维普
万方数据