Jun, 2022

C$^3$Fusion：一致性对比结肠融合，迈向深度结肠镜 SLAM

PDF
TL;DR本文提出了一种新颖的重建框架，采用对比深度特征和深度一致性深度图的对应方法，通过单一框架实现全局优化姿势，能够从频繁的跟踪失败中恢复，并估计全局一致的三维模型，从而实现了量化和质量上准确而健壮的三维结肠重建。
发现论文，激发创造
  • SimCol3D - 结肠镜检中的三维重建挑战

    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

  • CudaSIFT-SLAM：针对真人内窥镜手术全过程建图的多地图视觉 SLAM

    CudaSIFT-SLAM 是首个能够实时处理完整人类结肠镜检测的 V-SLAM 系统，通过使用 SIFT 特征替代 ORB 特征以及更计算密集的暴力匹配算法，成功地解决了 ORB-SLAM3 的限制，并能够在时间上匹配图像以便重定位和地图融合。

    May, 2024

  • 结直肠镜深度估计的跨任务一致性多任务学习

    该研究论文介绍一种新颖的多任务学习方法，用于通过共享编码器和两个解码器进行肠镜深度估计，提高对结肠黏膜表面的准确度。

    Nov, 2023

  • 从结肠镜视频中估计结肠三维重构的覆盖范围

    提出了一种方法，用于从三维结构化数据中估算回肠的表面面积，可以减少肠镜检查中被漏检的息肉数量，该方法在合成和真实数据下均取得了良好的结果。

    Oct, 2022

  • 利用逼真的合成数据库学习形状来自阴影，估计结肠镜图像中的结肠深度

    通过从单帧单目结肠镜视频中估计结肠深度图的新方法提高内部深度的估计，通过定制损失函数优化边缘和曲率估计误差，以及使用自定义合成数据库进行训练，该方法在深度估计方面达到了竞争水平。

    Nov, 2023

  • 利用深度引导的神经表面进行高保真内窥镜图像合成

    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

  • 利用扩展和方向循环 GAN 增强结肠镜检查的损失图像转换

    使用深度学习框架，本研究提出了一种新的方法来实现 OC 和 VC 之间的图像 - 图像转换，并演示了在虚拟结肠镜检查，真实息肉和正常结肠视频序列以及 3D VC 模型中创造逼真的息肉的结果。

    Mar, 2020

  • 内窥镜单目深度预测任务导向的领域差异减小

    该研究提出了一种新方法来利用标记的合成数据和未标记的真实数据，以实现对结肠镜序列的更具弹性和准确的深度图预测。

    Oct, 2023

  • ColonMapper: 结肠镜的拓扑映射和定位

    该论文提出一种基于拓扑地图的肠镜内部位置映射和定位方法，它能够通过使用节点表示肠道位置和边缘表示节点之间可穿越性的方式来操作真实的人类肠镜。此外，论文还提出一种全局描述符方法，该方法能够在长时间变化下实现高召回率的肠道位置识别，并结合贝叶斯过滤器对地图图形进行处理，从而提高了对先前建立地图的再定位的精度。

    May, 2023

  • 结肠镜检查覆盖范围重视：实时识别扫描漏洞

    本论文提出一种新方法，实时检测内窥镜检查中因视觉差而被忽略的结肠区域，从而检测不到的息肉。研究采用二阶段方法，第一阶段确定视觉好的区域和之间的缺口，第二阶段使用受过训练的模型来检测缺口，并提供针对性的内窥镜检查。方法评估表明具有很高的敏感性和特异性，可以缩短肠镜检查时间并提高检出率。

    May, 2023