我们提出了一种新的方法来从单眼内窥镜获取的图像序列中进行三维重建。该方法基于两个关键观点：内腔是密封的，可以通过使用符号距离函数来建模；场景照明是变化的，来自内窥镜的光源并随着到表面的距离的平方反比而衰减。通过修改 NeuS 架构以考虑亮度和深度之间的关系，并引入经过校准的内窥镜相机和光源的光度模型，我们的方法是第一个在整个结肠部分产生密封重建的方法。我们在幻影影像上展示了出色的准确性。密封先验结合照明衰减的显著性使得我们能够以可接受的准确性完成未见过表面的重建，为癌症筛查探测的自动质量评估、测量观察到的黏膜的全局百分比铺平了道路。

Sep, 2023

基于神经辐射场（NeRF）的新重建框架 ColonNeRF，通过重建结构的多分区组合、多级融合以及密集化相机姿势来解决结肠镜检查重建中的形状差异、几何一致性和视角稀疏性等挑战，显著优于现有方法。

Dec, 2023

通过采用神经辐射场（NeRF）方法，我们展示了一种能够学习时间上动态且可变形的三维场景的方法，并能适应各种不同相机和场景设置的鲁棒性模型，该模型消除了已知相机姿态的限制，并克服了目前静态场景重构技术中依赖场景静态部分进行精准重构的缺点，为当前和未来的机器人外科手术系统提供了潜力。

Sep, 2023

通过从单帧单目结肠镜视频中估计结肠深度图的新方法提高内部深度的估计，通过定制损失函数优化边缘和曲率估计误差，以及使用自定义合成数据库进行训练，该方法在深度估计方面达到了竞争水平。

Nov, 2023

从预先获取的单眼胃镜图像中，构建胃内任意新视角图像合成是胃部诊断中一个有前途的课题。本文应用新兴的神经辐射场技术（NeRF）将单眼胃镜数据转化为合成逼真图像，通过引入几何先验提高了图像渲染质量，在胃内展示了高保真度的新视角图像。

May, 2024

结直肠癌是世界上最常见的癌症之一。本文描述了 2022 年 EndoVis 挑战赛中的人工结直肠三维重建问题及其解决方案的研究成果，并展示了虚拟结直肠镜检查中深度预测问题的可靠解决方案，同时指出姿态估计问题仍然是一个待解决的研究方向。

Jul, 2023

该研究论文介绍一种新颖的多任务学习方法，用于通过共享编码器和两个解码器进行肠镜深度估计，提高对结肠黏膜表面的准确度。

Nov, 2023

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

在机器人辅助微创手术领域，动态场景重建可以显著提高下游任务和改善手术结果。我们提出了一种创新的实时内窥镜动态重建方法 Endo-4DGS，使用了 4D 高斯飞溅和无需地面真实深度数据。该方法通过引入时间组件，借助轻量级 MLP 捕捉时间高斯变形，有效实现了具有可变条件的动态手术场景的重建。我们还整合了 Depth-Anything，从单目视图中生成伪深度图，增强了深度引导重建过程。我们的方法在两个手术数据集上通过验证，证明了实时渲染、高效计算和重建准确性，彰显了 Endo-4DGS 改善手术辅助的巨大潜力。

Jan, 2024

该研究提出了一种新方法来利用标记的合成数据和未标记的真实数据，以实现对结肠镜序列的更具弹性和准确的深度图预测。

Oct, 2023