这篇论文提出了一种新的三维小物体医疗标记检测方法，通过识别小型单环的中心作为针穿入点，基于峰值变换增强技术为数据集进行增强，提取特征图的 ROI 生成掩模图，并通过 ROI 点云轮廓拟合的方式获取深度图中 ROI 的点云，最后通过 Tukey 损失优化方法实现高精度和高稳定性定位以及任意针穿入点的定位。

Apr, 2024

通过机器人生物组织活检系统，配合视觉辅助，运用光学相干断层扫描技术进行针尖力传感，收集来自医学专家对深层组织的意见，以提高针对性和准确性。

Jun, 2023

提出了一种基于深度神经网络的方法，通过对针尖处复杂 OCT 信号的相位和强度数据进行分类，辅助医生在针的插入过程中对组织结构进行识别，并且使用对比预训练技术将同位的数据映射到不同的表示，从而在受限标记数据集的情况下提高分类的精度。在仅使用 10% 的训练集时，使用该技术可以将模型的 F1 分数从 0.60 提高到 0.84。

Apr, 2023

通过将 Eulerian Video Magnification 技术与 VibNet 框架结合，利用外部步进电机引起针的微弱振动，本论文提出了一种增强超声图像中针检测的鲁棒性和准确性的学习框架，实现了超声引导下针的鲁棒和精确检测。

Mar, 2024

使用近红外成像和深度学习技术结合，针对在抗压部位可见静脉较少的病人，通过构建新的数据集、提出修改的 U-Net 模型以及应用于便携式静脉导引设备，成功实现了静脉分割和定位，展现了在资源受限的低成本设备中有潜在的良好性能。

Oct, 2023

提出了一种用于实时导丝分割和跟踪的两阶段深度学习框架，包括一个用于精确定位导丝的 Yolov5s 检测器和一个用于分割导丝的新颖高效网络，通过定量和定性评估证明该方法在临床术中图像上表现出更高的鲁棒性和比当前技术更好的性能。

Apr, 2024

本文提出了一种通过将经典的 Kalman Filter (KF) 技术与数据驱动学习相结合的新方法来进行针头分割，旨在改进超声图像中的针头分割，提出的方法在常用的编码器 - 解码器结构中无缝集成，并利用基于卷积神经网络 (CNN) 的 KF-inspired 模块显著优于最近的先进针头分割模型，成功实现像素级针尖误差减少了 15% 和长度误差减少了 8% 的结果。

Dec, 2023

本文提出了一种基于深度卷积神经网络的实时方法，用于在 2D X 射线透视序列中分割导管和导丝，使其在 X 射线成像指导下的介入手术中能够自动检测和追踪，该方法在 25 个介入操作的 237 个 X 射线序列图像上进行训练和测试，得到了极高的分割精度。

Jul, 2017

通过使用目标和仪器尖端的阴影位置来估计它们的相对深度位置，并相应地优化仪器尖端的插入轨迹，我们的方法成功地实现了对视网膜模型的目标接近，并在不损坏视网膜的手术模拟器中达到了浮动目标和视网膜目标的平均深度误差分别为 0.0127mm 和 0.3473mm。

Nov, 2023

该研究提出了一种采用 ToF 深度传感器和反射标记的 AR 头戴式设备的新框架，可以实现高精度的 EVD 手术导航。通过深度校正和面部表面重建，可以大幅减少深度误差并实现亚毫米级精度，同时在仿真的 EVD 手术中实现了较高的定位精度。

Jun, 2023