利用基于图的非刚性配准将计划的路径从通用图谱准确地映射到个体患者，尤其对于具有高声阻抗骨结构的胸部应用。结果表明，该方法能够在有限的肋间空格内有效地将 CT 到当前设置的轨迹映射为超声成像视图。

Jul, 2023

利用部分超声扫描的肝脏分割掩膜与由一组 CT 扫描建立的统计形状模型相结合，通过参数回归网络计算形状参数，实现准确的三维肝脏重建和自动肝容积计算。与放射科医生使用 Childs 方法计算的肝容积相比，我们的方法统计上更接近 CT 扫描估计的结果，并对 US 图像分辨率、用于 SSM 的 CT 扫描数量以及输入 US 扫描数量等进行了验证。据我们所知，这是首个利用少量不完整的 US 扫描和一组 CT 扫描的自动肝容积测量系统。

Jun, 2024

甲状腺疾病的超声诊断中，通过自动定位超声图像切片到三维形状表示，可以减轻医生的认知负担，并为超声诊断提供方便。使用交叉模态配准和统计形状模型，该方法表明可以在患者特异性的三维解剖学和统计形状模型上准确定位图像切片，并为超声采集过程中的切片定位提供有用的工具。

Sep, 2023

提出了一种三阶段的方法来解决椎骨水平的 3D CT 椎骨识别中的挑战，通过顺序执行椎骨定位、分割和识别的任务，有效利用椎骨的解剖先验信息，并采用监督对比学习方法进行预训练来解决类间相似性和类内变异性问题，并进一步优化识别结果。

Jan, 2024

为帮助麻醉专家在患者体内使用针头进入针路的初始尝试时，自动找到被骨骼堵塞的硬膜外深度，并避免刺破患者背部周围区域，此论文提出了一种基于形态学骨骼增强与检测的算法，接着使用 Ramer-Douglas-Peucker 算法和 Hough 变换。该算法在合成和真实的超声图像上进行了测试，并与基于模板匹配的黄韧带（LF）检测方法进行了比较。结果表明，该方法能更快地检测到硬膜外深度对应的骨骼的对角线形状，提供麻醉专家在硬膜外穿刺时实时信息。然而，使用超声图像的方法仍然存在一定的误差，不能完全取代基于组织压力的方法。虽然本研究中的训练数据量相对较少，但在超声扫描中实现了腰椎骨骼和硬膜外深度的分割速度显著提高，准确性也较基于 LF 检测方法有所改善。

Dec, 2023

通过基于骨骼图的非刚性配准方法，利用皮下骨表面特征代替皮肤表面实现自动化超声波（US）扫描，为解决常规 US 检查中的人为误差提供了可能，验证结果表明其能有效适应不同患者间的差异。

May, 2023

实现自动且鲁棒的纵向脊柱图像配准对于评估疾病进展和手术结果至关重要，本文提出了一种新颖的方法，通过深度学习模型自动定位、标记和生成三维表面，然后使用高斯混合模型表面配准实现纵向脊柱 CT 图像对齐并准确评估病变进展，实验证明该方法在 37 个椎体、5 名患者的基线和 3、6、12 个月后的随访图像上显示出了平均 Hausdorff 距离为 0.65 毫米和 Dice 分数为 0.92 的准确配准。

Feb, 2024

本研究提出了一种名为 FetusMapV2 的新型三维胎儿姿势估计框架，通过探索互补网络结构、限制 GPU 内存等方法来克服三维胎儿姿势估计的挑战，设计了一种新的损失函数来解决对称和相似解剖结构造成的混淆问题，并提出基于形状先验的自监督学习以在线优化姿势。在大规模胎儿超声数据集上进行的大量实验证明，我们的方法优于其他竞争对手。

Oct, 2023

介绍了一种基于三维脊柱模型的新型全自动测量脊椎形态的方法，实验结果表明该方法能够准确测量低分辨率患者特定的脊椎网格，平均绝对误差为 1.09 毫米，以及通过人工创建的腰椎脊柱，平均绝对误差值为 0.7 毫米，我们的定性分析表明，使用我们的方法在三维脊柱模型上获得的测量结果可以准确地重新投影到原始医学图像上，如果这些图像是可用的。

Feb, 2024

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