基于模拟图像导引的外科手术机器人的个性化自适应方法，通过仿真环境训练强化学习和模仿学习的智能体来执行白内障手术切口阶段的所有任务，将外科医生的动作和喜好融入训练过程，从而实现对个别外科医生独特方法的隐式学习和适应，为外科医生提供更直观和个性化的手术体验，同时确保自主机器人学徒的稳定性能。

Nov, 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

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

本研究提出了一种用于增强针尖插入指导的创新技术，基于散射成像和卷积神经网络，实现了针尖位置和方向的实时估计，通过实验证实了在股动脉插管过程中准确引导针头的潜力。

Aug, 2023

基于医生实践指导的立体视觉和机器学习方法，该研究提出一种用于图像引导手术的新型人工智能辅助的腹腔镜测量方法，通过在实验环境中的评估，得到高精度的距离测量，并在具有无纹理区域的挑战性环境中表现出稳健性，为术中和术后测量提供了更精确、安全和高效的解决方案的基础。

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

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。

May, 2023

通过使用斑点结构光相机识别患者体表并将其融合到直径为 24 毫米的空心环中，该研究设计并实验了一种与传统反射球光学标记或磁定位手术导航和跟踪方法不同的方法。实验结果显示，该系统能够以多个角度精确定位任何体表点，实现了 0.033-0.563 毫米的定位精度和每秒 7-30 帧的图像。该方法的定位识别环材料在 CT 下成像效果良好，因此可以将肉眼定位和 CT 成像定位结合起来，形成统一的内外部定位世界坐标，实现内外部注册。该系统具有六个自由度的运动感知，可进行上下、前后、左右和所有旋转的亚毫米级精度，在未来穿刺手术中具有广阔的应用前景。

May, 2024

该研究提出了使用神经场方法进行腹腔镜视频追踪的技术，可以同时追踪手术工具和解剖结构，具有较高的追踪精度，并能生成与预训练深度估计器相媲美的伪深度图像，从而展示了使用神经场进行单目腹腔镜场景的 3D 重建的可行性。

Mar, 2024

提出基于深度学习的神经网络来校正 OCT 图像中的运动伪影，并在实验中表明该方法可以有效地校正运动伪影，恢复视网膜的整体曲率，并能够推广到各种疾病和分辨率。

May, 2023