通过引入轻量级 4D 高斯光斑框架（LGS），该研究解决了在资源有限的手术设备中妨碍实时渲染的存储问题，并在动态内窥镜重建中展现出较高的压缩率、良好的视觉质量和实时渲染效率。

Jun, 2024

利用血管概率场进行稀疏视图数字减影血管造影重建任务的研究表明，这种方法能够有效地解决动态血流和稀疏视图数字减影血管造影图像输入不足的问题，并显著提高重建质量及全景合成图像质量。

May, 2024

提出了一种基于时间感知衰减体素 (TiAVox) 的稀疏视图下的四维数字减影血管成像 (4D DSA) 重建方法，通过减少辐射剂量，实现高质量的 4D 成像，同时能够生成二维和三维减影血管成像 (DSA) 图像。

Sep, 2023

通过训练基于神经网络的模型，并结合血液流动模拟数据集，我们的方法可以重建血管内对比剂在时间和空间上的浓度变化，具有很高的准确性和鲁棒性。

Mar, 2024

应用高斯喷洒方法进行可变形内窥镜组织重构，采用变形场处理动态场景、深度引导监督优化三维目标并使用时空权重掩模减轻工具遮挡，从单视角视频、估计的深度图和标记的工具掩模中重建和呈现高质量的可变形内窥镜组织。

Jan, 2024

通过将 3D GS 集成到手术场景中并引入新的灵活变形建模方案（FDM），本文提出了一种名为 Deform3DGS 的快速重建框架，该框架能够在内窥镜手术中对可变形组织进行实时重建，加速手术现场重建并在临床中具有重要的临床应用价值。

May, 2024

数字重建射线照片（DRRs）在术前应用中得到广泛使用，但由于计算瓶颈在术中应用受到限制，特别是对于准确但计算密集型的基于蒙特卡罗方法。本文提出了一种新方法，将真实的受物理启发的 X 射线模拟与使用三维高斯平铺（3DGS）进行高效、可微分的 DRR 生成相结合。我们的方向分立的 3DGS（DDGS）方法将辐射通量贡献分解为各向同性和方向相关的部分，以近似复杂的各向异性相互作用而无需耗时的模拟。此外，我们适应了三维高斯平铺的初始化过程以适应层析数据的特性，提高了精度和效率。我们的方法在图像准确度方面优于最先进的技术。此外，我们的 DDGS 在术中应用和姿态配准等逆问题方面表现出色，并比解析 DRR 方法提供更高的配准准确度和运行时性能。

Jun, 2024

4D 高斯喷洒 (4D-GS) 方法以高效率表示和呈现动态场景，通过构建有效的变形场来模拟高斯运动和形状变形，实现了高分辨率下的实时渲染，并且在保持与先前最新技术方法相当或更高质量的同时达到了 70 FPS。

Oct, 2023

从 2D 图像中重建动态 3D 场景并随时间生成多样视角是一项具有挑战性的任务，本研究提出一种基于优化一组 4D 基元的方法，以近似表示动态场景的底层时空 4D 体积，通过特定的渲染程序，制造各种时间的新视角，该方法简单灵活，适用于捕捉复杂动态场景运动，实验结果在多个基准数据集上证明了其优秀的视觉质量和高效性。

Oct, 2023

提出了一种新的运动感知增强框架，通过挖掘光流中的有用运动线索来改进动态场景重建，以提高不同动态 3D 高斯喷溅方式的性能，并针对基于形变的范例提出了一种瞬态感知形变辅助模块。经过广泛的实验证明，与基线相比，我们的方法在渲染质量和效率方面都表现出明显的优势。

Mar, 2024