通过空间频率状态空间模型进行稳定距离回归,用于机器人辅助内分显微镜
Mengyi Zhou1, Chi Xu2, Stamatia Giannarou1
1Hamlyn Centre for Robotic Surgery, Department of Surgery and Cancer, Imperial College London, London, SW7 2AZ, UK.
概括
这项研究引入了一种新的深度学习模型,用于基于探针的共聚焦激光内分显微镜 (pCLE),以准确测量探针-组织距离. SF-BiS4D模型增强了机器人扫描精度,用于实时手术成像.
科学领域:
- 医疗成像医学成像
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
背景情况:
- 基于探针的共聚焦激光内分显微镜 (pCLE) 提供实时微观组织可视化.
- 保持精确的探针-组织距离对于PCLE准确性至关重要.
- 用PCLE进行机器人组织扫描需要自动距离回归.
研究的目的:
- 开发一种自动化方法,在PCLE中回归探针-组织距离.
- 为了实现精确的机器人扫描实时手术内成像.
主要方法:
- 为距离回归提出了空间频率双向结构化状态空间模型 (SF-BiS4D).
- 利用双向图像序列处理和联合空间/频率域分析.
- 引入了带有伪距离标签的引导轨迹规划,以实现稳定的机器人控制.
- 实施了层次导向微调 (GF) 以实现高效的模型推理.
主要成果:
- 与最先进的方法相比,SF-BiS4D模型显示出更高的准确性和稳定性.
- 性能在pCLE回归数据集 (PRD) 上进行了定性和定量验证.
结论:
- 深度学习框架显著改善了微观视觉伺服器的距离回归.
- 这种方法有望被整合到需要精确实时成像的手术程序中.


