我们使用 3D Slicer 作为基础平台，利用单目相机将人头进行 3D 模型重建，实时通过单目视觉传输头部姿态，并演示了利用 ArUco Marker 追踪工具实时指向头部姿态变化的可行性，为鼻咽拭子采集或插管等提供了一个可行的实时仿真平台。

Jun, 2024

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

该研究旨在通过结合乳突外形学知识和光学相干断层扫描成像技术，提出一种名为 C2P-Net 的两阶段非刚性注册流程从而提高 OCT 数据的可读性，促进其在日常临床中的应用，解决与儿科患者中耳炎诊断相关的主要问题。

Apr, 2023

评估 AR 辅助神经外科系统的不同技术并提出了一种新的技术来系统化评估过程。此外，在手术的准备和术中阶段基于相应的反馈进行更深入的调查，发现物理反馈可以显著减少由全息图位移引起的错误，而全息图上的缺乏视觉反馈对用户的三维感知不会产生显著影响。

Nov, 2023

我们提出了一种新颖的方法，通过学习预期的外观来进行术中患者到图像的注册。我们的方法利用术前成像合成手术显微镜下的特定于患者的预期视图，针对一系列预测的变换。我们的方法通过最小化光学显微镜下术中 2D 视图与合成预期纹理之间的差异来估计相机姿态。与传统方法相比，我们的方法将处理任务转移到术前阶段，从而减少低分辨率、扭曲和噪声术中图像的影响，这些因素通常会降低注册精度。我们在脑外科手术中的神经导航背景下应用了该方法。我们在合成数据和 6 个临床病例的回顾性数据上评估了我们的方法。我们的方法优于现有方法，并达到了当前临床标准的准确性。

Oct, 2023

通过定量分析，我们使用自监督方法对内窥镜定位进行了定量分析，采用与高分辨率计算机断层扫描相结合的内窥镜序列和光学跟踪获取的 9 个离体标本的结果显示，所生成的重建与解剖结构高度一致，重建与 CT 分割间的平均点对网格误差为 0.91 毫米，然而，在点对点匹配场景中，即对内窥镜跟踪和导航至关重要的情况下，我们发现平均目标注册误差为 6.58 毫米。我们发现姿态与深度估计的不准确性对此误差贡献相等，并且具有更短轨迹的局部一致性序列生成更准确的重建。因此，为了改进重建并促进临床应用，实现相对相机姿态和估计深度与解剖学的全局一致性至关重要。

Oct, 2023

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

深度学习在增强现实引导手术中的应用可能性进行了评估，通过使用医学成像和基于 HoloLens 2 的点云数据集来研究深度学习点云对图像到患者注册的效果，并发现在具有挑战性的数据集上传统注册流程仍然优于某些深度学习方法。

May, 2024

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

本文提出了一种无辐射方法的自动注册方案，使用深度神经网络自动解决腰椎融合手术的注册问题，并结合增强现实导航系统提供直观的手术引导。在公开数据集上验证了注册方法并获得较高的注册成功率和精度，在离体手术中也取得了良好的结果，展现了 RGB-D 数据在自动注册方法和增强现实引导中的潜力。

Aug, 2023