Rapid patient-specific neural networks for intraoperative X-ray to volume registration

Resumen Técnico: Redes Neuronales Específicas del Paciente para el Registro Rápido de Rayos X Intraoperatorios a Volumen

Enunciado del Problema
Las intervenciones guiadas por imágenes y la robótica quirúrgica dependen de la alineación precisa de volúmenes 3D preoperatorios (por ejemplo, TC, RM) con imágenes 2D de rayos X intraoperatorios (por ejemplo, fluoroscopia). Sin embargo, los métodos existentes de registro 2D/3D enfrentan limitaciones significativas en su implementación clínica. Los optimizadores tradicionales basados en intensidad son sensibles a errores de inicialización, convergiendo a menudo a soluciones incorrectas si la pose inicial se desvía incluso unos pocos centímetros. Por el contrario, los enfoques de aprendizaje profundo requieren típicamente conjuntos de datos extensamente etiquetados manualmente y están restringidos a las anatomías específicas sobre las que fueron entrenados. Estos métodos supervisados tienen dificultades para generalizar entre diversas poblaciones de pacientes, patologías y vistas intraoperatorias no estándar, lo que conduce a fallos fuera de la distribución. Además, la escasez de poses reales de arco en C en los registros clínicos crea un cuello de botella de datos para el entrenamiento de modelos supervisados.

Metodología: El marco xvr
Los autores introducen xvr, un marco de autoaprendizaje diseñado para entrenar redes neuronales específicas del paciente para un registro rígido 2D/3D rápido. El enfoque integra la simulación basada en física con la optimización basada en gradientes para eliminar la necesidad de anotación manual.

1. Síntesis de Datos Sintéticos Diferenciables:
   xvr utiliza un renderizador de rayos X diferenciable para generar datos de entrenamiento sintéticos directamente desde el volumen 3D preoperatorio propio del paciente. Al simular poses de arco en C (rotaciones $\alpha, \beta, \gamma$ y traslaciones $x, y, z$) y renderizar rayos X sintéticos mediante proyección de rayos (usando interpolación trilineal o el método de Siddon), el sistema genera pares de entrenamiento ilimitados con poses reales conocidas. Este proceso también admite el renderizado de estructuras anatómicas específicas si están disponibles mapas de etiquetas 3D.

2. Modelo Fundacional y Aprendizaje por Transferencia:
   Para abordar los largos tiempos de entrenamiento asociados con los modelos específicos del paciente, los autores preentrenan un modelo fundacional sobre un corpus de más de 2.000 volúmenes de TC y RM de cuerpo completo. Este modelo aprende una representación a nivel poblacional de la anatomía humana y las distribuciones de poses de arco en C.

   • Arquitectura: La red utiliza una base ResNet34 para regredir la pose del arco en C. Para manejar la naturaleza de variedad de las transformaciones rígidas ($SE(3)$), el modelo regrede el adjunto del cuaternión, una representación continua que resuelve las discontinuidades inherentes a los ángulos de Euler y los cuaterniones estándar.
   • Adaptación: Para un nuevo paciente, el modelo fundacional se afina sobre rayos X sintéticos generados a partir de la exploración preoperatoria de ese paciente específico. Esto reduce el tiempo de entrenamiento de horas (requerido para entrenar desde cero) a aproximadamente 5 minutos.

3. Robustez ante Cambios de Dominio:
   Para manejar los parámetros variables de adquisición intraoperatoria (por ejemplo, barrido del arco en C, cambios en el campo de visión), xvr emplea una estrategia de remuestreo geométrico. Los rayos X intraoperatorios se remuestrean para coincidir con los parámetros intrínsecos canónicos utilizados durante el entrenamiento antes de ser alimentados a la red. Durante la etapa de refinamiento, el sistema renderiza rayos X sintéticos utilizando los parámetros intrínsecos de alta resolución originales de la imagen clínica.

4. Refinamiento Iterativo de la Pose:
   Si bien la red neuronal proporciona una estimación inicial precisa de la pose, el sistema emplea un optimizador basado en gradientes para refinar esta estimación. Utilizando el renderizador diferenciable, el optimizador maximiza la similitud entre el rayo X intraoperatorio real y el rayo X sintético. Los autores combinan la correlación cruzada normalizada multiescala (mNCC) para la robustez en regiones de gran error y la correlación cruzada normalizada por gradiente (gradNCC) para la precisión en la estimación de profundidad, logrando una precisión a nivel de milímetro.

Contribuciones Clave

• Entrenamiento Específico del Paciente Autoaprendido: Un marco que genera datos de entrenamiento con verdad fundamental a partir de la exploración del propio paciente, eliminando la dependencia de la anotación manual de hitos o de grandes conjuntos de datos curados.
• Modelo Fundacional para Adaptación Rápida: Un modelo preentrenado capaz de adaptarse a cualquier región anatómica (pelvis, fémur, neurovasculatura, cráneo) en solo 5 minutos de afinamiento, logrando una precisión comparable a entrenar desde cero durante 12 horas.
• Pipeline de Renderizado Diferenciable: Un renderizador de rayos X de alta velocidad y diferenciable capaz de generar miles de imágenes sintéticas por minuto, permitiendo tanto el preentrenamiento escalable como el refinamiento en tiempo real.
• Manejo de Intrínsecos Variables: Una técnica de remuestreo geométrico que permite que una sola red maneje diversos parámetros de adquisición de arco en C sin necesidad de reentrenamiento.

Resultados
Los autores evaluaron xvr en cinco conjuntos de datos que abarcan múltiples hospitales, poblaciones de pacientes y estructuras anatómicas, incluidos DeepFluoro (cadavérico pélvico), Femur (cadavérico), Ljubljana (neurovascular) y conjuntos de datos clínicos internos (malformaciones de la vena de Galén neonatales y neurocirugía en adultos).

• Precisión: xvr superó significativamente a los métodos existentes. En el conjunto de datos DeepFluoro, el modelo afinado logró un Error de Registro Objetivo mediano (mTRE) de 1.1 mm, en comparación con 352.2 mm para la inicialización fija y 82.1 mm para la regresión de hitos supervisada.
• Generalización: El marco demostró robustez ante cambios extremos fuera de la distribución. Registró con éxito angiografías por sustracción digital (DSA) intraoperatorias de pacientes neonatales con malformaciones de la vena de Galén (una patología ausente del corpus de preentrenamiento solo para adultos) después de 5 minutos de afinamiento, logrando un mTRE mediano de 2.3 mm.
• Eficiencia: El sistema logra alta precisión en segundos. La estimación inicial de la pose por la red afinada toma segundos, y el refinamiento iterativo posterior añade solo 1–8 segundos de latencia.
• Comparación: En la evaluación más grande de registro 2D/3D en fluoroscopia real hasta la fecha, xvr mejoró la precisión de los métodos existentes en un orden de magnitud. Consistentemente logró tasas de éxito submilimétricas (SMSR) donde otros métodos fallaron, particularmente en vistas no estándar y escenarios anatómicos complejos.

Significado y Afirmaciones
El artículo afirma que xvr hace que el "registro rígido 2D/3D pananatómico sea accesible para amplias comunidades clínicas y de investigación". Al combinar el renderizado diferenciable con el afinamiento rápido de modelos preentrenados, el marco aborda el cuello de botella de datos y los problemas de generalización que han obstaculizado la adopción de la IA en la cirugía guiada por imágenes. Los autores enfatizan que su enfoque permite un registro fiable, preciso y anatómicamente genérico en diversas especialidades médicas sin interrumpir los flujos de trabajo clínicos existentes. El marco se publica como software de código abierto para facilitar la investigación adicional y la integración clínica. Los autores notan modestamente que, aunque su evaluación es la más grande y diversa hasta la fecha, se requieren estudios prospectivos más amplios para validar completamente la robustez en todos los escenarios clínicos potenciales.