内視鏡下の軟部組織変形シーンにおける生体力学的制約を用いた頑健な自己教師あり単眼深度推定

科学分野:

• コンピュータビジョン
• 医療用画像処理
• ロボティクス

背景:

• 自己教師あり学習（SSL）は、単眼深度および自己運動推定に優れています。
• 内視鏡シーンは特有の課題を提示します：鏡面反射と軟部組織の変形はSSLの精度を妨げます。

研究 の 目的:

• 困難な内視鏡環境における単眼深度推定のための頑健なSSL手法を開発すること。
• 鏡面反射と軟部組織の変形に対処することで精度を向上させること。

主な方法:

• 鏡面反射を処理するための画像距離変換戦略を導入しました。
• ピクセルレベルの精度を向上させるために、生体力学的な軟部組織変形制約を提案しました。
• 効率的な計算と高速な推論のために、軽量なアーキテクチャを採用しました。

主要な成果:

• SCAREDおよびSERV-CTの公開データセットとカスタムデータセットで頑健な単眼深度推定を達成しました。
• 最先端（SOTA）手法と同等の精度と頑健性を実証しました。
• SCAREDデータセットで225万パラメータのみで4.96 mmのRMSEを達成しました。

結論:

• 提案手法は、内視鏡ビジョンにおける既存のSSL技術の限界を効果的に克服します。
• このアプローチは、コンピュータ支援手術ナビゲーションにおける臨床応用の大きな可能性を示しています。
• リアルタイムパフォーマンスのために、精度、頑健性、計算効率のバランスを提供します。