在机器人手术场景中进行软组织变形恢复的自主监督循环差形映射

科学领域:

• 机器人技术 机器人技术 机器人技术
• 计算机视觉 计算机视觉
• 手术技术 手术技术

背景情况:

• 从手术视频中恢复组织变形对于机器人手术应用至关重要.
• 复杂的软组织动态和模两可的像素对应阻碍了精确的组织跟踪.
• 现有的方法在密集和精确的变形回收方面扎.

研究的目的:

• 开发一种新的自我监督的框架,用于从立体外科视频中恢复密集组织变形.
• 为了提高手术机器人中的组织变形建模的准确性和现实性.
• 为了应对复杂的组织操纵和均的纹理所带来的挑战.

主要方法:

• 一个自我监督的框架,整合语义,跨框架运动流和长距离的时间依赖.
• 整合了diffeomorphic映射,以确保物理现实的扭曲场.
• 收集和使用从血小肠切除和中肠切除手术中的立体外科视频片段,涵盖推动,剖析和收缩动作.

主要成果:

• 拟议的方法在捕捉3D组织变形方面显示出有希望的结果.
• 该框架在不同的外科手术和手术过程中表现出良好的概括性.
• 性能超越了当前在非刚性注册和光学流量估计方面的最先进方法.

结论:

• 这项工作介绍了第一个自主监督学习方法,用于从立体外科视频中建模密集组织变形.
• 开发的框架为了解和量化手术期间的组织动态提供了显著的进步.
• 该方法有可能在机器人手术中增强各种下游应用.