3. Spinczyk D., Karwan A., Copik M., 2014, Methcxis for abdominal respiratory motion tracking. Computer AidedSurgeiy 19(l-3):34-47.
Cel: metoda dopasowania powierzchni jamy brzusznej pacjenta w różnych fazach procesu oddechowego.
Zaproponowane rozwiązanie', opracowanie nowej metody niesztywnego dopasowania powierzchni z wykorzystaniem wiedzy o położeniu markerów na etapie znajdowania odpowiedników w pierwszej fazie każdej iteracji algorytmu.
Algorytm traktuje dopasowywane powierzchnie jako zbiory punktów. W rozważanym przypadku są mapy głębi powierzchni jamy brzusznej w przeciwstawnych fazach cyklu oddechowego: (wdech-wydech) wraz z umieszczonymi na niej markerami (Rys. 3) uzyskane z kamery typu Time of FlighL Rezultatem działania algorytmu jest znalezienie szukanej transformaty, w przypadku dopasowywania niesztywnego w postaci niezależnej transformacji sztywnej lub afinicznej dla każdego punktu chmury.
Każda iteracja algorytmu składa się z 2 kroków: znajdowania odpowiedników w oparciu o kryterium odległości Euklidesowej oraz obliczaniu nowej transformaty wynikowej na podstawie znajdowanych odpowiedników. Amberg zaproponował wykorzystanie wiedzy o położeniu markerów w zbiorach źródłowym i docelowym celem naprowadzania algorytmu w drugim etapie iteracji. Autor zaproponował rozszerzenie tej koncepcji poprzez wykorzystanie wiedzy o położeniu markerów również na pierwszym etapie iteracji algorytmu.
Rys. 3. Mapa intensywności powierzchni brzucha z dziewięcioma markerami (a). Mapa odległości pomiędzy początkową a końcową pozycją powierzchni brzucha (b) [4].
Doprowadziło to do opracowania nowych sposobów znajdowania odpowiedników oraz znaczącej poprawy dopasowania zbiorów punktów. Prezentowana nowa koncepcja została przedstawiona szerszemu gronu odbiorców na konferencji The 2014 International Conference on Image Processing, Computer Vision, and Pattem Recognition. Prezentacja konferencyjna została zakwalifikowana do publikacji w Emerging Trends in Image Processing Computer Yision and Pattem Recognition.