Endo-4SRF:学习辐射场用于手术组织的动态表面重建,在单视图和无深度单眼内镜下隐蔽障碍

科学领域:

• 计算机视觉 计算机视觉
• 医疗成像医学成像
• 手术技术 手术技术

背景情况:

• 基于单眼内镜的外科领域3D重建有助于手术内操纵和训练.
• 组织变形和血液模糊了3D场景的意识,特别是在有限的视角下.

研究的目的:

• 开发一种有效的基于神经辐射场 (NeRF) 的方法,从单眼内镜图像中重建动态3D手术场景.
• 为了应对手术环境中稀疏视角,组织变形和血液遮蔽的挑战.

主要方法:

• 拟议的Endo-4SRF是一种基于NeRF的方法,利用单眼内镜图像流.
• 设计了一个基于高斯的动态神经采样策略,利用NeRF深度和深度估计网络.
• 集成的标记距离功能 (SDF) 具有几何约束,可以在没有深度监督的情况下精确重建.
• 采用球形和函数,以实现高效和高质量的颜色匹配.

主要成果:

• 在定量和定性评估中,在最先进的 (SOTA) 方法上表现优越.
• 在深度预测和动态场景的3D重建方面取得了高精度.
• 展示了改进的图像染质量和模型训练效率.

结论:

• Endo-4SRF有效地从单眼内镜视频中重建可变形的组织和仪器.
• 该方法克服了深度的局限性,基本真理的缺乏和观点的稀疏性.
• 结果表明,在3D手术场景重建方面取得了重大进展,以提高手术可视化和训练.