增量形状集成与跨框架形状一致性使用神经SDF用于3D内镜系统
Ryo Furukawa1, Hiroshi Kawasaki2, Ryusuke Sagawa3
1Department of Informatics/Graduate School of System Engineering Kindai University Higashihiroshima Japan.
Healthcare technology letters
|January 31, 2025
概括
本研究介绍了使用神经标记距离场 (NeuralSDF) 的3D内镜测量增量优化技术. 该方法有效地从内镜视频中重建3D场景和摄像头姿势,增强主动立体声系统.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 精确的3D测量对于内镜手术至关重要.
- 带有模式投影器的活跃立体声系统提供了一个有前途的解决方案.
- 扩大重建区域需要多集成.
研究的目的:
- 为3D内镜测量开发增量优化技术.
- 为了同时优化3D场景形状和摄像机/投影机姿势.
- 在内镜视频中处理不断变化的相对位置.
主要方法:
- 使用神经签名距离场 (NeuralSDF) 表示的差异体积染.
- 实施了一种增量优化策略,以逐步增加优化的.
- 作为输入数据处理的临时顺序图像 (内镜视频).
主要成果:
- 成功地使用合成和真实内镜图像进行了3D重建.
- 证明了拟议的增量优化技术的有效性.
- 展示了3D场景和摄像机/投影机姿势的同时优化.
结论:
- 拟议的方法有效地解决了对内镜系统3D测量的需求.
- 结合NeuralSDF和差异体积染,可以进行强大的3D重建.
- 增量优化策略提高了动态内镜环境的可扩展性和准确性.
