基于NeRF的单眼胸腔镜3D场景重建框架

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:

• 准确的3D重建对于手术导航和治疗至关重要,但由于功能有限和照明变化,传统方法难以处理胸腔镜场景.
• 功能点匹配的挑战导致医疗成像中的3D重建不稳定和不可靠.

研究的目的:

• 为单眼胸腔镜场景开发一种新的隐性3D重建方法.
• 提高3D重建的准确性和结构一致性,以改善外科导航.

主要方法:

• 结合了预先训练的度量深度估计模型与神经辐射场 (NeRF).
• 利用密集的同时定位和映射 (SLAM) 进行准确的摄像头姿势计算.
• 在NeRF框架内,内置深度和正常约束以及颜色约束.

主要成果:

• 实现了高质量的场景重建结果,提高了深度准确性和结构一致性.
• 对SCARED和临床数据集的实验结果显示,与现有方法相比,其性能优越.
• 在深度估计准确度和点云重建质量方面表现优于其他方法.

结论:

• 拟议的方法提供更准确的复杂胸部手术场景的3D重建.
• 这一进步可以显著提高外科导航系统的准确性和治疗效果.