UW-DNeRF:可变形软组织重建与不确定性引导深度监督和局部信息整合

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 从内镜视频中重建可变形软组织是具有挑战性的.
• 现有的方法因不准确的深度先验和缺乏局部细节捕获而扎.

研究的目的:

• 引入UW-DNeRF,一种用于高质量的可变形组织重建的新方法.
• 通过解决当前方法的局限性来提高重建的准确性和细节性.

主要方法:

• 利用神经辐射场进行重建.
• 实施以不确定性为指导的深度监督策略,以处理不准确的深度信息.
• 采用基于本地窗口的信息共享计划,以增强细节和变形捕获.

主要成果:

• 与最先进的方法相比,UW-DNeRF表现出卓越的性能.
• 该方法实现了可变形组织的高质量重建.
• 改善了局部细节和组织变形的捕获.

结论:

• UW-DNeRF在从内镜视频中重建可变形软组织方面取得了重大进展.
• 拟议的以不确定性为导向的深度监督和本地信息共享有效地解决了该领域的关键挑战.