多尺度,多维的双眼内镜图像深度估计网络
Xiongzhi Wang1, Yunfeng Nie2, Wenqi Ren3
1School of Future Technology, University of Chinese Academy of Sciences, Beijing 100039, China; School of Aerospace Science And Technology, Xidian University, Xian 710071, China.
Computers in biology and medicine
|August 19, 2023
概括
这项研究引入了一种新的深度学习模型,用于从内镜图像进行实时深度估计,这对于外科导航至关重要. 开发的多级监督深度估计网络 (MMDENet) 在具有挑战性的外科环境中显著提高了准确性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 实时深度估计对于微创手术至关重要.
- 缺乏内镜数据集阻碍了深度获取的深度学习应用程序.
- 当前的方法在复杂的外科环境中难以准确.
研究的目的:
- 开发一个高精度的3D模拟模型,用于生成内镜图像数据集.
- 为实时深度估计创建一个端到端的深度学习网络.
- 通过精确的深度信息来增强外科导航能力.
主要方法:
- 提出了一个端到端的多规模监管深度估计网络 (MMDENet).
- 整合了多尺度特征提取模块,以提高对应精度.
- 使用多维信息指导精细化模块来优化差异地图.
主要成果:
- 与最先进的方法相比,终点误差减少了3.14%.
- 实时处理在每秒大约30.
- 在实际内镜图像上验证了性能,精度为93.38%.
结论:
- MMDENet为内镜手术中的实时深度估计提供了一个有前途的解决方案.
- 该模型的准确性和速度满足了外科导航应用的要求.
- 在现实世界的场景中高精度表明临床采用有很大的潜力.


