May, 2023

下一代手术导航：手术器械多视图无标记6自由度姿态估计

HTML
PDF
TL;DR提出了一种高保真度的非标记光学跟踪系统，用于手术器械的本地化，采用多视角相机布置，利用深度学习方法和数据融合技术，对不同输入模型和相机位置进行评估和比较，并且取得了比文献中相关方法更好的平均误差结果，从而展示了手术器械无标记跟踪已经成为了现实。
发现论文，激发创造
  • 手术器械跟踪的并发分割和定位

    利用深度学习，将2D的手术工具姿态估计重构为热力图回归，与分割同时进行。实验证明，该方法可以显著提高性能，超越现有技术在Retinal Microsurgery和MICCAI EndoVis Challenge 2015的表现。

    Mar, 2017

  • 微创手术中仪器分割和跟踪方法的比较评估

    本文介绍了一项比较研究，探讨了在机器人以及传统腹腔镜手术中，基于视觉的不同方法用于器械分割和追踪的效果。研究表明，现代的深度学习方法在器械分割任务中表现优异，但结果还不完美。此外，合并不同方法的结果实际上显著提高了准确性。与此同时，器械追踪任务的结果表明，在传统腹腔镜手术中这仍然是一个待解决的挑战。

    May, 2018

  • 腹腔镜手术中多类多工具跟踪的数据集CholecTrack20

    通过引入CholecTrack20数据集，本文解决了在外科视频中进行工具跟踪的需求，该数据集是根据内窥镜手术的复杂性精心注释的，可跟踪多类多工具的三个不同视角的工具轨迹，包括内窥镜手术、人体内部手术和相机视野中的工具可见性，该详细数据集满足了手术过程中不断变化的辅助要求。

    Dec, 2023

  • 变体X射线成像几何中推进6个自由度工具姿态估计

    手术仪器的准确六自由度姿态估计可以大大改善治疗策略和手术结果。我们提出了一种通用的六自由度姿态估计方法，用于X射线系统中的数据获取，具有快速准确的物体姿态估计能力。该方法在公共基准测试中取得了竞争性的结果，并能跨越不同的姿势估计领域，提高手术精确性和患者治疗效果。

    May, 2024

  • 外科手术器械六自由度姿态估计的真实数据生成

    通过改进的仿真环境为外科机器人提供了大规模、多样化的6D姿态估计数据集，证明了所提系统在培训和评估外科机器人视觉算法方面的成功。

    Jun, 2024

  • 开放手术中关节手术器械单眼位姿估计

    通过使用合成数据生成和域适应技术克服手术工具物体关节、对称性、遮挡和缺乏实际标注数据等挑战，本研究提出了一种新的开放式手术中单目6D姿态估计方法。通过使用三维建模、物理渲染和艺术品设计来生成合成数据，并结合目标检测、姿态估计和混合几何融合策略，采用合成和实际无标注数据的域适应训练策略，该方法展示了良好的性能和实际应用潜力，突出其整合到医疗增强现实和机器人系统中的潜力，并消除了对实际手术数据的广泛手动标注需求。

    Jul, 2024

  • BodySLAM：用于外科应用的通用单目视觉SLAM框架

    本研究解决了内窥镜手术中因依赖二维视图而导致的深度感知和器械操作困难的问题。通过结合深度学习算法，提出了一种创新的单目视觉SLAM方法，包含单目位姿估计、深度估计以及三维重建模块。研究结果证明该方法在不同内窥镜手术场景中展现出了优越的性能，能够显著提升外科手术的准确性和效率。

    Aug, 2024

  • 无CAD的现实世界手术仪器三维跟踪系统SurgTrack

    本研究解决了基于视觉的手术导航中手术仪器三维跟踪的挑战，包括弱纹理和遮挡等问题，提出了一种无CAD的两阶段三维仪器跟踪方法SurgTrack。通过引入仪器有符号距离场（SDF）和姿态图优化模块，该方法显著改善了跟踪结果的鲁棒性及准确性，并在实验中展示出卓越的性能和可扩展性。

    Sep, 2024

  • SurgeoNet：实时三维姿态估计手术器械的合成训练网络

    本研究解决了混合现实环境下手术监控中缺乏标注数据和任务复杂性的问题，通过提出SurgeoNet，一个实时神经网络管道，能够准确检测和跟踪手术器械。该方法展示了在仅用合成数据训练时SurgeoNet在复杂现实场景中的泛化能力，具有显著的实际应用潜力。

    Oct, 2024

  • 深度学习在机器人辅助手术中的外科器械识别与分割：系统评估

    本研究系统评估了深度学习在机器人辅助手术中对外科器械的识别与分割的应用，填补了这一领域的研究空白。研究发现，先进的深度学习模型显著提升了器械检测与分割的精度和效率，并为外科手术提供了实时指导和客观评估。未来的研究应集中于自动化处理以及扩展深度学习技术在各类手术领域的应用。

    Oct, 2024