Apr, 2023

基于深度学习的图像曝光增强作为精确三维结肠表面重建的预处理

PDF
TL;DR本文介绍了如何通过适当的图像预处理提高基于深度学习的结肠部分三维重建的准确性。首先给出了包括图像曝光修正和循环神经网络同时定位与地图构建在内的流程概述，然后量化了针对结肠内内外曝光未校准的内窥镜轨迹重建的准确性。
image pre-processingdeep learning3d reconstructioncolonoscopyillumination correction
发现论文，激发创造
  • 多尺度照片曝光校正学习

    该研究提出了一种基于深度神经网络模型的曝光校正方法，通过提供一个新数据集解决了曝光错误的问题。

    Mar, 2020

  • 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

  • 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

  • 提高图像质量的曝光校正模型

    提出了一种端到端的曝光校正模型，采用感知损失，特征匹配损失和多尺度辨别器来提高生成图像的质量并使训练更加稳定，实验结果表明其有效性。在大规模曝光数据集上，取得了最新的最优结果，并研究了图像曝光设置对画像抠图任务的影响，发现曝光过度和曝光不足的图像导致画像抠图质量严重降低，采用所提出的模型进行曝光校正后，画像抠图质量显著提高。

    Apr, 2022

  • 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

  • LightNeuS：内窥镜中基于光照衰减的神经表面重建

    我们提出了一种新的方法来从单眼内窥镜获取的图像序列中进行三维重建。该方法基于两个关键观点：内腔是密封的，可以通过使用符号距离函数来建模；场景照明是变化的，来自内窥镜的光源并随着到表面的距离的平方反比而衰减。通过修改 NeuS 架构以考虑亮度和深度之间的关系，并引入经过校准的内窥镜相机和光源的光度模型，我们的方法是第一个在整个结肠部分产生密封重建的方法。我们在幻影影像上展示了出色的准确性。密封先验结合照明衰减的显著性使得我们能够以可接受的准确性完成未见过表面的重建，为癌症筛查探测的自动质量评估、测量观察到的黏膜的全局百分比铺平了道路。

    Sep, 2023

  • C$^3$Fusion：一致性对比结肠融合，迈向深度结肠镜 SLAM

    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。

    Jun, 2022

  • 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

  • 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

  • 用于改善视觉特征检测和匹配的学习相机增益和曝光控制

    本研究探索了一种数据驱动的方法，通过训练一个深度卷积神经网络模型以预测性地调整相机增益和曝光时间参数，从而实现在光照变化下得到最佳图像质量，以用于视觉测距和视觉同时定位和映射。研究通过实验验证了该方法的优越性。

    Feb, 2021