Jan, 2024

腹腔镜肝切除术中术前至术中图像融合增强现实方法的客观比较

PDF
TL;DR在腔镜肝切除手术中，增强现实是一种可视化模式，能够帮助医生在腔镜图像上投影肿瘤和嵌入在肝脏内的血管，通过将其映射到术中腔镜图像中，从而实现定位。该研究主要针对 2D 和 3D 标志物自动检测和标记，以及 3D-2D 配准任务进行深入探讨，并提出了当前限制和未来研究方向。
augmented realitylaparoscopic liver resection3d-2d fusionlandmark detectionregistration
发现论文，激发创造
  • 基于深度驱动几何提示学习的腹腔镜肝脏标志检测

    为了在腹腔镜肝脏手术中提供直观指导信息，本文提出了一种基于深度驱动几何提示学习网络的方法（D2GPLand），该方法结合二维 - 三维融合技术，在 L3D 数据集上取得了最新的性能，具有 63.52％的 DICE 和 48.68％的 IoU 得分。

    Jun, 2024

  • 重定义腹腔镜空间感：基于 AI 的术中和术后立体图像测量

    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

  • 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

  • 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

  • 简单注册 -- 带有 HoloLens 的独立骨科导航

    本研究介绍了一种使用增强现实技术的手术导航方法，涉及手术导航、注册任务、椎弓根螺丝置入等方面，使用 Microsoft HoloLens，通过对患者体表进行数字化，利用全息投影进行直观的导航反馈，初步实验表明该方法能够满足临床精度要求。

    Jan, 2020

  • 基于对比学习的多模态超声引导下对脑肿瘤切除的解剖标志物检测

    提出了一种用于神经外科应用中 MRI-US 标志物检测的对比学习框架，通过训练卷积神经网络在 MRI 和 US 扫描中编码图像特征，以匹配包含 MRI 相应标志物的 US 图像块，该方法首次在 MRI-US 标志物检测方面取得了有希望的结果。

    Jul, 2023

  • 使用对抗式图像到图像网络进行肝脏自动分割

    本文提出了一种自动高效的算法（DI2IN），利用卷积编码器 - 解码器结构和深度监督联合多级特征级联，采用对抗网络进行训练来辅助区分 DI2IN 的输出和真实数据，最终证明本方法在各种扫描协议和人群差异情况下能够取得比现有解决方案更高的肝脏分割精度和计算效率。

    Jul, 2017

  • 基于 NeRFs 的腹腔三维场景渲染的研究

    提供一个关键的可视，两个维度的视图，突破 0-D 静态场景，为了生成新的观察。

    Oct, 2023

  • 无边界约束的基于生物力学模型的术中肝脏变形校正的表面匹配

    本研究介绍了一种基于 3D-3D 非刚性配准的图像引导肝脏手术方法，采用有限元模型 (FEM) 作为生物力学模型，在表面匹配项中独特地整合 FEM，确保估算的变形在配准过程中保持几何一致性。此方法通过将软弹簧整合到刚度矩阵中，允许力分布于整个肝脏表面，消除了确定 FEM 中零边界条件和施加力位置的需求。我们还引入了基于力量梯度的正则化技术，强加了空间平滑性，以防止术中数据中的不规则噪音过拟合。通过加速修正梯度算法进行优化，进一步通过我们提出的确定最佳步长的方法来增强效果。该方法在自定义开发的模拟实验和两个公开数据集上进行了评估和比较，始终优于或与基准技术相当。代码和数据集将公开提供。

    Mar, 2024

  • 基于合成和修补图像的 MR-CT 对准用于肝肿瘤热消融的图像引导

    本文提出了一种快速的 MR-CT 图像配准方法，通过 Cycle-GAN 生成的合成 CT 图像将术前 MR 图像叠加到术中 CT 图像上，然后使用基于部分卷积的网络对 iCT 图像进行修复和无监督配准网络对 pMR 和 inpCT 图像进行匹配。实验结果表明，该方法具有高配准精度和非常快的计算速度。

    Jul, 2019