增强的自我监督单眼深度估计与自我注意力和关节深度姿势损失对于腹腔镜图像
Wenda Li1, Yuichiro Hayashi2, Masahiro Oda2,3
1Graduate School of Informatics, Nagoya University, Furou-cho, Chikusa-ku, Nagoya, Aichi, 464-8601, Japan. wdli@mori.m.is.nagoya-u.ac.jp.
International journal of computer assisted radiology and surgery
|February 28, 2025
概括
这项研究引入了用于腹腔镜手术的自我监督单眼深度估计方法. 它通过使用自我注意力来估计姿势和联合深度姿势损失来改善导航,从而实现了显著的准确性增长.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 手术导航 手术导航
背景情况:
- 深度估计对于腹腔镜手术导航至关重要.
- 现有的自我监督的方法与无纹理的器官和复杂的摄像头旋转作斗争.
- 精确的深度和姿势估计在腹腔镜环境中具有挑战性.
研究的目的:
- 为腹腔镜图像提出一种新的自我监督单眼深度估计方法.
- 在具有挑战性的手术场景中增强深度和构成估计准确性.
- 引入自我注意引导的姿势估计和关节深度姿势损失函数.
主要方法:
- 提取了特征地图,并计算了特征指标损失的最小再投影误差.
- 在姿势估计网络中内置了自我注意力块.
- 开发了一种联合深度位损失函数,将特征度和位损失结合起来.
主要成果:
- 在SCARED和Hamlyn数据集 (18.07%和14.00%) 的绝对相对误差中取得了显著的改善.
- 在各种腹腔镜场景中生成了低误差的光滑深度图.
- 在计算效率和性能之间证明了有利的权衡.
结论:
- 拟议的方法有效地解决了腹腔镜深度估计的挑战.
- 所有引入的组件都对该方法的性能做出了重大贡献.
- 该方法在计算成本和外科导航准确性之间提供了高效的平衡.


