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

Nov, 2023

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

Leveraging a realistic synthetic database to learn Shape-from-Shading for estimating the colon depth in colonoscopy images

PDF

Josué Ruano, Martín Gómez, Eduardo Romero, Antoine Manzanera

TL;DR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。

Abstract

colonoscopy is the choice procedure to diagnose colon and rectum cancer, from early detection of small precancerous lesions (polyps), to confirmation of malign masses. However, the high variability of the organ a

colonoscopy depth estimation colon wall polyps synthetic database

发现论文，激发创造

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

内窥镜单目深度预测任务导向的领域差异减小

该研究提出了一种新方法来利用标记的合成数据和未标记的真实数据，以实现对结肠镜序列的更具弹性和准确的深度图预测。

Oct, 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

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

单目内窥镜深度估计的几何感知深度神经网络

本文提出了一种在内窥镜术中进行单目深度估计的方法，该方法利用几何一致性损失和梯度损失来提高重建效果，并使用合成的 RGB-Depth 数据集来捕捉解剖结构上的反射和照明变化，实验结果表明该方法在实现视频 - CT 配准算法的精度要求时，具有优于现有方法的表现。

Apr, 2023

利用近场照明从内窥镜视频进行单目深度估计

本论文介绍了在内窥镜图像中利用光度线索提高单目深度估计的方法，并通过使用自监督和监督训练的方法，结合教师 - 学生迁移学习，实现了对内窥镜图像的高质量深度估计。

Mar, 2024

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

使用自我监督学习方法进行单目内窥镜密集深度估计

提出了一种基于单目内窥镜数据的自监督卷积神经网络训练方法，无需解剖学或阴影的先验建模，仅需要单目内窥镜视频和多视角立体方法，如运动结构，以稀疏方式监督学习。

Feb, 2019

单目内窥镜中用于密集深度估计的自监督学习

本文提出一种无监督的自我监督方法，用于训练卷积神经网络从单目内窥镜数据中密集地估计深度，而无需先验建模解剖或着色。

Jun, 2018

使用深度学习在结肠镜检查中实时进行息肉检测、定位和分割

本研究旨在通过使用 Kvasir-SEG 数据集对几种先进方法进行基准测试，评估其在结肠镜疾病检测、定位和分割方面的性能，并显示所提出的 ColonSegNet 方法在精度、速度和分割任务方面均表现优异，其表现足以证明进行自动化实时息肉鉴别和划线的必要性。

Nov, 2020