该论文提出一种基于拓扑地图的肠镜内部位置映射和定位方法，它能够通过使用节点表示肠道位置和边缘表示节点之间可穿越性的方式来操作真实的人类肠镜。此外，论文还提出一种全局描述符方法，该方法能够在长时间变化下实现高召回率的肠道位置识别，并结合贝叶斯过滤器对地图图形进行处理，从而提高了对先前建立地图的再定位的精度。

May, 2023

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

通过引入新开发的点投影映射系统，并建立一个准确的注册、验证和标记组织病理学结果的框架，本文提出了一种更健壮准确的光学组织感测技术跟踪与验证方法，相比传统技术节省时间和资源。

Nov, 2023

通过综述和提出分类法，本文基于深度学习对定位和制图的研究方法进行探讨，并希望成为将来研究人员应用深度学习解决视觉定位和制图问题的指南。

Aug, 2023

高技术要求且患者结局至关重要时，通过客观运动分析反馈监测和改进外科技能的机会可能特别有益。本综述通过对技术和非技术外科技能、协作任务表现和姿态估计的研究进行综合，揭示了通过计算机视觉和人工智能的创新推进心胸外科手术性能的新机遇。这些技术创新从纵向上评估其对心胸外科手术界所带来的益处，并详细阐述了采用该技术的障碍。如同其他一些专业一样，心胸外科手术相对较少有机会从嵌入数据采集技术的工具中受益（例如机器人辅助腹腔镜手术）。在这种情况下，允许在常规手术领域中进行运动追踪而不使用专业设备或标记的姿态估计技术具有相当大的潜力。借助来自模拟或真实外科手术过程的视频数据，这些工具可以（1）深入了解外科医生职业生涯中专业知识和手术性能的发展，（2）为实习外科医生提供改进方面的反馈，（3）研究与患者结局有关的技能方面，并（4）在培训或指导计划中确定应重点关注的外科技能方面提供支持。利用人工智能进行 ' 学习 ' 专家外科评估者的专业知识的分类器或评估算法可以进一步帮助教育工作者确定实习生是否达到了胜任水平。

Feb, 2024

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

该综述文章着重介绍了目前基于纯视觉的、不附加任何标记的单帧和带有时间信息的最小侵入性手术图像中手术工具分割和跟踪方法，重点关注深度学习方法和公开数据集的使用，讨论了存在的不足之处和未来发展的潜能。

Apr, 2023

本文介绍了解决传统视觉定位和建图中局部特征不一致的问题的第一个原则性解决方案，并在各种手工制作的和学习的特征的最新基准测试中证明了其有效性。

Dec, 2020

利用眼球追踪技术提取医学图像中有意义的特征和洞察力，以改进医疗诊断的方法。通过整合人类认知和人工智能发展，将眼球追踪数据与机器学习和深度学习方法相结合，提高医学图像分析的准确性和效率。该系统性综述研究着眼于探索通过眼球追踪应用和方法来增强医学图像分析中的机器学习和深度学习算法。

Mar, 2024

本文综述了深度学习在医学图像配准领域的演变历程，总结了该领域内最新的研究挑战和创新，列举了未来的研究方向。

Mar, 2019