使用可变形几何原体,对具有严重遮的可变形解剖结构进行强大的跟踪

科学领域:

• 机器人和计算机视觉 机器人和计算机视觉
• 医学成像和计算机辅助手术

背景情况:

• 手术机器人中的认知控制架构旨在通过实现自主性和减少外科医生的认知负载来提高患者的安全性和结果.
• 工作空间感知,包括精确的解剖结构检测和跟踪,对于手术中自动决策至关重要.
• 最少侵入性手术带来了诸如视力有限,遮,解剖学变形和摄像机运动等挑战,这些都阻碍了强大的检测和跟踪.

研究的目的:

• 开发一个强大的实时检测和跟踪解剖结构的方法.
• 为了实现机器人系统的自动控制和增强外科手术中的增强现实应用.
• 为了验证该方法在胎儿镜修复开放脊柱裂的背景下.

主要方法:

• 一种涉及卷积神经网络 (CNN) 进行轮点选择的两步方法.
• 使用可变形几何原体重建解剖形状.
• 实时检测和跟踪,用于集成到机器人控制和增强现实中.

主要成果:

• 通过合成和真实场景实验进行验证,包括极端条件.
• 在名义外科条件下证明了安全边际.
• 在检测和跟踪解剖结构方面实现了准确性,稳定性和计算效率.

结论:

• 提出的方法提供了强大的解剖结构检测,尽管相机运动,遮和变形.
• 适用于超出开放脊柱双胞胎病例研究,用于通过几何原体近似的轮的解剖学.
• 为认知机器人控制和增强现实系统提供有效的输入,需要精确跟踪敏感的解剖学.