最小侵襲手術における単眼深度推定のための共同手術器具セグメンテーション
Xue Li1, Wenxin Chen2, Xingguang Duan1
1the School of Mechatronical Engineering, Beijing Institute of Technology, 30 Xueyuan Road, Haidian District, Beijing, 100081, China; the Key Laboratory of Biomimetic Robots and Systems, Beijing Institute of Technology, 30 Xueyuan Road, Haidian District, Beijing, 100081, China.
Medical image analysis
|August 23, 2025
まとめ
この研究は,手術における単眼の深さの推定のための新しい2段階の自己監視の枠組みを導入します. 装置のセグメンテーションを統合することで,画像ガイドされた手順の3D知覚を大幅に改善します.
科学分野:
- 医療用イメージング
- コンピュータ・ビジョン
- 手術 技術
背景:
- 精密な3D知覚は 画像ガイドによる手術において 極めて重要です 特に最小侵襲的な環境ではです
- 2D画像からの単眼の深さの推定は,複雑な外科環境で課題を提示します.
研究 の 目的:
- 計測器のセグメント化により強化された単眼深度推定フレームワークを開発する.
- 手術シーンにおける空間的理解と幾何学的な推論を向上させる.
主な方法:
- 2段階の自己指導学習アプローチが提案されました.
- ステージ1:セグメンテーションと深度推定モデルの分離訓練
- ステージ2:共有のエンコーダーと複数のデコーダーを使用して,深さの精細化のためにRGB入力を持つセグメンテーションマスクを融合させる.
主要な成果:
- このフレームワークはRIS,SCARED,dVPN,SERV-CTのデータセットで検証されました.
- セグメンテーション認識の深さの推定は,改良された幾何学的な推論を示した.
- 閉塞やスペキュラリティなどの困難なシナリオでのパフォーマンスの向上が観察されました.
結論:
- 提案されたフレームワークは,タスクレベルのプライアートを介して単眼の深さの推定を効果的に強化します.
- 手術ナビゲーションの 3D 認識を改善します
- このアプローチは,様々な外科データセットで一般化できることを示しています.
