May, 2024

基于视觉的神经外科导航：无监督定位和相机姿态预测

PDF
TL;DR基于解剖识别的深度学习方法，通过无监督学习从手术视频中构建手术路径，从而解决内窥镜手术中由于缺乏可区分的纹理和地标以及内窥镜设备的局限性（如有限的视野和光照条件）所带来的定位问题。
endoscopic procedureslocalizationdeep learningsurgical videosanatomy recognition
发现论文，激发创造
  • 学习如何在内窥镜视频中稳健地估计相机姿态

    该研究提出一种基于双目内窥镜深度估计和光流的深度声明网络，通过减小两个几何损失优化相机姿态估计，并且引入了两个自适应的像素权重映射来平衡贡献，实现在挑战性的内窥镜手术场景中更加鲁棒的相机姿态估计，具有推进微创外科领域相关任务（如 SLAM 或 3D 重建）的研究意义。

    Apr, 2023

  • WS-YOLO：低监督 Yolo 网络用于内窥镜视频中的手术工具定位

    通过 Weakly Supervised Yolo Network (WS-YOLO)，从 da Vinci 手术机器人输出的粗粒度语义信息中生成细粒度的位置和类别信息，大幅减少人工注释工作量，实现手术工具在内窥镜视频中的定位。

    Sep, 2023

  • 使用自我监督学习方法进行单目内窥镜密集深度估计

    提出了一种基于单目内窥镜数据的自监督卷积神经网络训练方法，无需解剖学或阴影的先验建模，仅需要单目内窥镜视频和多视角立体方法，如运动结构，以稀疏方式监督学习。

    Feb, 2019

  • 单目内窥镜中用于密集深度估计的自监督学习

    本文提出一种无监督的自我监督方法，用于训练卷积神经网络从单目内窥镜数据中密集地估计深度，而无需先验建模解剖或着色。

    Jun, 2018

  • 利用自监督学习和最小标签自动检测手术视频中的身外画面以保护隐私

    利用自我监督和最少数据标签，我们提出一个可以精准检测手术视频中出现的躯体外视频帧的框架，该方法使用大量无标记内窥镜图像进行自我监督学习，并使用辅助任务的预训练和有限监督的微调，可提高医疗数据隐私保护，该方法达到了 96.00-98.02 的平均 F1 分数。

    Mar, 2023

  • 内窥镜图像匹配的图形自监督学习

    本研究提出一种新颖的自监督方法，将卷积神经网络和基于注意力机制的图神经网络相结合，用于处理内窥镜图像中的特征匹配和对应关系问题，并在精度方面具有出色的表现。

    Jun, 2023

  • 内窥镜单目深度预测任务导向的领域差异减小

    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

  • 利用近场照明从内窥镜视频进行单目深度估计

    本论文介绍了在内窥镜图像中利用光度线索提高单目深度估计的方法，并通过使用自监督和监督训练的方法，结合教师 - 学生迁移学习，实现了对内窥镜图像的高质量深度估计。

    Mar, 2024

  • 利用解剖学知识捕捉时间依赖关系的视频纤支镜气道标签预测

    本文提出了一种仅利用支气管镜视屏数据来实现导航引导的方法，通过 CNN 对气道分割进行单帧分类并采用基于状态转移的 HMM 模型应用解剖学约束和时间上文本信息对支气管树进行定位，能够在无需电磁跟踪和 CT 扫描的情况下，实现对支气管镜操作的视觉引导。

    Jul, 2023

  • 单眼腹腔镜视频剪辑中解剖和手术器械的三维跟踪的神经场

    该研究提出了使用神经场方法进行腹腔镜视频追踪的技术，可以同时追踪手术工具和解剖结构，具有较高的追踪精度，并能生成与预训练深度估计器相媲美的伪深度图像，从而展示了使用神经场进行单目腹腔镜场景的 3D 重建的可行性。

    Mar, 2024