Sep, 2023

STIR：红外手术纹身

PDF
TL;DR为了实现图像引导和医疗介入和手术自动化，对于跟踪和映射组织方法的性能进行量化是至关重要的。我们引入了一种新的标注方法和一个使用该方法的数据集，称为 Surgical Tattoos in Infrared (STIR)。STIR 使用持久但对可见光谱算法不可见的标签，通过在组织点上标记 IR 荧光染料，indocyanine green (ICG)，然后收集可见光视频剪辑。STIR 包括数百个立体视频剪辑，涵盖了体内和体外场景，在 IR 谱中标记了起始点和终止点。通过引入 STIR，我们使用 3D 和 2D 端点误差和准确性指标分析了多种基于帧的跟踪方法。
trackingmappingtissuelabelingsurgical tattoos in infrared
发现论文，激发创造
  • 妇科癌症组织亚型的稀疏数据快速高光谱光热中红外光谱成像

    通过稀疏成像方法，将中红外光热成像技术应用于卵巢癌检测，实现了数据采集速度提升 10 倍，并利用随机森林和卷积神经网络模型对超过 65 百万个数据点进行了分析，证明了该方法能够产生优秀的图像质量，并以超过 95% 的分割准确率准确区分不同的妇科组织类型。

    Feb, 2024

  • STIR: 用于图像检索后处理的孪生 Transformer

    该研究提出了一种基于三元损失的简化模型和一种用于图像检索的新方法 STIR，它采用注意力机制在像素级别上直接比较查询图像和候选图像，不需要全局 / 局部特征提取，能够在标准图像检索数据集上定义新的技术状态。

    Apr, 2023

  • 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

  • VisiTherS: 可见 - 热红外人体轮廓立体视差估计

    本文介绍了一种针对人像轮廓视觉 - 红外立体视觉中的差距估计的新方法，该方法使用了高分辨率卷积神经网络来提取特征并进行配准，实验结果表明这种方法比传统方法要有效。

    Apr, 2023

  • 可视化插件：用于从微创手术视频中跟踪三维工具

    提出了一种基于 2D 分割的仪器追踪方法，通过几何变化和运动算法，实现对手术视频中仪器的标记和跟踪，验证了该方法在仪器追踪和微创手术实践中的应用潜力。

    Jan, 2024

  • 点击 - 遮罩：基于水平集的红外小目标检测的高效标注框架

    这篇论文提出了一种劳动效率高且粗略标注框架，通过使用级数集来获得仅需一次粗略点击即可得到高质量伪掩码，解决了因小目标尺寸和过度正则化导致的零水平轮廓消失的问题，实验表明该方法在 NUAA-SIRST 和 IRSTD-1k 数据集上具有优异的性能。

    Oct, 2023

  • 在脑部手术中识别术中超声图像中的可见组织：一种方法和应用

    本文提出了一种用于识别可视组织的方法，并通过检测声学阴影和建立知觉显著性的置信度图来分析超声探头与组织之间的接触。 通过现场验证和幻影数据验证了该方法的实际性能，证明了其在临床训练和优化机器人辅助超声组织扫描方面的潜在价值。

    Jun, 2023

  • 学习如何在内窥镜视频中稳健地估计相机姿态

    该研究提出一种基于双目内窥镜深度估计和光流的深度声明网络，通过减小两个几何损失优化相机姿态估计，并且引入了两个自适应的像素权重映射来平衡贡献，实现在挑战性的内窥镜手术场景中更加鲁棒的相机姿态估计，具有推进微创外科领域相关任务（如 SLAM 或 3D 重建）的研究意义。

    Apr, 2023

  • 表面增强拉曼光谱与转移学习在手术区域精确重建方面的应用

    本研究提出了一种机器人拉曼系统，能够可靠地定位和界定嵌入到健康组织中的肿瘤，在模拟组织中建模为选择性注入金纳米星区域。此外，通过实现迁移学习，对比控制琼脂进行了金纳米星的验证分类，从而为基于拉曼的深度学习训练流程提供了概念验证。该研究在 10.2 分钟内重建了 30x60mm 的手术区域，并实现了 98.2% 的准确度。此外，还验证了拉曼系统和分类算法不是基于样本颜色，而是基于 SERS 试剂的存在。本研究在术中肿瘤学领域中智能拉曼系统的应用上迈出了关键一步。

    Jan, 2024

  • 红外图像和视频集合调查

    该论文综述了针对计算机视觉应用的红外图像和视频数据集，对 92 个不同的红外数据集进行分类和详细描述，并分析了这个领域的基本概念和统计数据，目的是为计算机视觉和人工智能研究人员创造一个指南。

    Mar, 2022