结直肠癌是世界上最常见的癌症之一。本文描述了 2022 年 EndoVis 挑战赛中的人工结直肠三维重建问题及其解决方案的研究成果，并展示了虚拟结直肠镜检查中深度预测问题的可靠解决方案，同时指出姿态估计问题仍然是一个待解决的研究方向。

Jul, 2023

从预先获取的单眼胃镜图像中，构建胃内任意新视角图像合成是胃部诊断中一个有前途的课题。本文应用新兴的神经辐射场技术（NeRF）将单眼胃镜数据转化为合成逼真图像，通过引入几何先验提高了图像渲染质量，在胃内展示了高保真度的新视角图像。

May, 2024

通过使用术中内窥镜视频更新术前三维解剖模型，本研究的结果表明在鼻窦手术中，术者可以更准确地了解当前解剖状态，为实现数字化双生范式奠定了基础。

Feb, 2024

应用高斯喷洒方法进行可变形内窥镜组织重构，采用变形场处理动态场景、深度引导监督优化三维目标并使用时空权重掩模减轻工具遮挡，从单视角视频、估计的深度图和标记的工具掩模中重建和呈现高质量的可变形内窥镜组织。

Jan, 2024

通过将 NeuS 应用于内窥镜图像并辅以单帧深度图，我们在结肠切片重建方面引入了一种新的方法，该方法解决了单目结肠镜图像重建中的组织纹理表示不足和尺度混淆问题，通过严格的实验证明了其在渲染结肠切片方面的异常精确性，为稳定和一致缩放重建打开了新的途径，为癌症筛查和治疗干预提供了更好的质量。

Apr, 2024

通过定量分析，我们使用自监督方法对内窥镜定位进行了定量分析，采用与高分辨率计算机断层扫描相结合的内窥镜序列和光学跟踪获取的 9 个离体标本的结果显示，所生成的重建与解剖结构高度一致，重建与 CT 分割间的平均点对网格误差为 0.91 毫米，然而，在点对点匹配场景中，即对内窥镜跟踪和导航至关重要的情况下，我们发现平均目标注册误差为 6.58 毫米。我们发现姿态与深度估计的不准确性对此误差贡献相等，并且具有更短轨迹的局部一致性序列生成更准确的重建。因此，为了改进重建并促进临床应用，实现相对相机姿态和估计深度与解剖学的全局一致性至关重要。

Oct, 2023

本研究介绍了一种新方法 EndoGaussians，利用高斯散射进行动态内窥镜 3D 重建，克服了现有技术的局限性，为医学专业人员提供更可靠高效的 3D 重建用于医学应用。

Jan, 2024

我们提出了一种利用 CathSim 和 3D-Fluoroscopy Guidewire Reconstruction Network (3D-FGRN) 重建三维导线的新方法，该方法能够与传统的三角化方法在模拟单平面荧光成像中达到相同水平，有效地证明了该网络作为传统方法的有希望的替代品。

Nov, 2023

人工智能在医学诊断中的应用是管理上消化道癌症（全球癌症死亡主因之一）的重要进展。 该研究综述了基于多样性数据训练的 Foundation 模型在内窥镜和病理图像分析方面提高准确性的最新进展、应用和挑战。

Jun, 2024

在机器人辅助微创手术领域，动态场景重建可以显著提高下游任务和改善手术结果。我们提出了一种创新的实时内窥镜动态重建方法 Endo-4DGS，使用了 4D 高斯飞溅和无需地面真实深度数据。该方法通过引入时间组件，借助轻量级 MLP 捕捉时间高斯变形，有效实现了具有可变条件的动态手术场景的重建。我们还整合了 Depth-Anything，从单目视图中生成伪深度图，增强了深度引导重建过程。我们的方法在两个手术数据集上通过验证，证明了实时渲染、高效计算和重建准确性，彰显了 Endo-4DGS 改善手术辅助的巨大潜力。

Jan, 2024