Jun, 2022

使用端到端深度视觉运动控制的结肠镜导航：用户研究

PDF
TL;DR本研究通过使用深度强化学习提出一种基于图像的内窥镜控制方法，能在大肠中出现复杂的部位展现出适应性行为，相比现有启发式控制策略在评估参数上表现相当甚至更安全，并且展示出更易于人类监督的特点，这将使介入医生能够将注意力集中在医疗决策上而不是内镜控制问题上。
发现论文，激发创造
  • 基于深度学习视觉伺服的柔性机器人自主内腔导航

    本文提出了一种基于卷积神经网络的视觉伺服方法，并使用幻影和体内数据对其进行训练，以在空心环境中完成内腔镜导航任务的软体机器人解决方案。

    Jul, 2022

  • 基于深度强化学习的半自主机器人手术控制

    本文提出了一种基于深度强化学习的半自主控制方法，可帮助外科机器人在手术过程中完成一些简单但重复的操作，用户实验表明此框架可将手术时间缩短 19.1％，行程长度缩短 58.7％。

    Apr, 2022

  • ColNav: 结肠镜实时导航系统

    该论文介绍了一种基于实时导航系统的光学结肠镜检查技术，通过在操作过程中提供定位信息，从而提高了肿块检测率和医生的预测成功率。

    Jun, 2023

  • 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

  • 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

  • 用于结肠癌诊断的沉浸式虚拟结肠镜检查器

    本研究探讨了使用 VR 范例中的元素以提高虚拟结肠镜检效率与诊断准确性，计划进行多方面实验以评估覆盖范围、持续时间和专家对其的影响。

    Feb, 2023

  • 利用大型语言和视觉模型从大规模图像 - 文本结肠镜记录中提取和浓缩知识

    使用大型语言和视觉模型的最新进展，我们提出了 EndoKED，一种用于深度知识提取和蒸馏的数据挖掘范式，可以自动将原始结肠镜记录转化为具有像素级注释的图像数据集。通过验证 EndoKED 使用的多中心原始结肠镜记录数据集（约 100 万张图像），我们证明其在训练息肉检测和分割模型方面具有卓越的性能。此外，EndoKED 预训练的视觉骨干为光学活检提供了数据高效和可推广的学习，实现了回顾性和前瞻性验证中的专家级表现。

    Oct, 2023

  • 自主导丝引导导航的零射策略的强化学习

    使用零 - shot 学习策略进行三维自主内血管导航，通过使用非常小的训练集合的支路模式，我们的强化学习算法能够学习控制，并应用于不需要重新训练的未知内血管解剖结构。

    Mar, 2024

  • 基于视觉的神经外科导航：无监督定位和相机姿态预测

    基于解剖识别的深度学习方法，通过无监督学习从手术视频中构建手术路径，从而解决内窥镜手术中由于缺乏可区分的纹理和地标以及内窥镜设备的局限性（如有限的视野和光照条件）所带来的定位问题。

    May, 2024

  • 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