Nov, 2023

从单平面透视影像中重构三维导丝形状

PDF
TL;DR我们提出了一种利用 CathSim 和 3D-Fluoroscopy Guidewire Reconstruction Network (3D-FGRN) 重建三维导线的新方法，该方法能够与传统的三角化方法在模拟单平面荧光成像中达到相同水平，有效地证明了该网络作为传统方法的有希望的替代品。
发现论文，激发创造
  • 实时在术中 X 射线中的导丝追踪和分割

    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

  • X 射线荧光透视下导管的全自动实时分割

    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

  • 基于真实荧光透视数据的腰椎三维重建领域适应策略

    我们的研究通过解决手术导航中的时间、成本、辐射和工作流整合等关键障碍，提出了一个从少量术中透视 X 光图像生成脊柱三维解剖模型的方法，并通过收集体现真实和虚拟透视 X 光图像的配对数据集，利用迁移学习和风格转移机制提高了深度学习模型在真实术中环境中的准确性，研究成果表明我们的方法在手术规划、导航和机器人技术领域有重要的应用潜力。

    Jan, 2024

  • 基于平衡聚焦 U-Net 的多类别和类别不平衡标记分割，用于部署的支架内自动化 3D 形态实例化

    本文提出了一种基于 Equally-weighted Focal U-Net 的自动化 3D 形状实例化方法，证明该方法在标记分割和 3D 形状实例化方面具有较高的精度，对于机器人路径规划也具有重要意义。

    Nov, 2017

  • DeepDRR-- 荧光引导下机器学习的催化剂

    本研究提出了一种基于机器学习的用于快速、真实模拟 CT 扫描的衍射、数字放射成像模拟的框架，并通过在盆骨的影像检测中的应用展示了模型无需重新训练和领域适应即可推广到未知的临床数据的良好表现。

    Mar, 2018

  • 使用多模态基准物的骨科手术即时增强现实

    本文提出了一种基于增强现实的手术支持系统，可以在不准备好的手术室中使用，通过多种手段提供导航，提高手术精度，从而减少手术时间。

    Jan, 2018

  • 自主导丝引导导航的零射策略的强化学习

    使用零 - shot 学习策略进行三维自主内血管导航，通过使用非常小的训练集合的支路模式，我们的强化学习算法能够学习控制，并应用于不需要重新训练的未知内血管解剖结构。

    Mar, 2024

  • 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

  • AiAReSeg: 利用 Transformer 进行介入超声波的导管检测与分割

    提出了一种使用改进的机器学习变压器架构来检测和分割超声辅助介入导管的方法，借助物理建模和超声模拟器产生合成超声图像，并经实验证明了其在超声噪声和扫描角度范围上的鲁棒性，为更安全高效的血管内手术迈出了重要的一步。

    Sep, 2023

  • 内窥镜凿子：术中成像雕刻 3D 解剖模型

    通过使用术中内窥镜视频更新术前三维解剖模型，本研究的结果表明在鼻窦手术中，术者可以更准确地了解当前解剖状态，为实现数字化双生范式奠定了基础。

    Feb, 2024