以数据为中心的学习框架,用于在光中实时检测准光束,终身成像指导手术
IEEE transactions on bio-medical engineering
|April 15, 2025
概括
这项研究开发了一种以数据为中心的方法,用于在基于纤维的光终身成像 (FLIm) 中精确的定向束检测,以实时进行手术指导. 这种新的方法在复杂的环境中提高了精度,例如TORS (跨口腔机器人手术).
科学领域:
- 医疗成像医学成像
- 手术技术 手术技术
- 计算机视觉 计算机视觉
背景情况:
- 实时手术指导对于精确干预至关重要.
- 基于纤维的光终身成像 (FLIm) 提供了先进的组织特征.
- 精确的定向束检测对于在外科领域绘制FLIm数据至关重要,特别是在具有挑战性的环境中,如TORS.
研究的目的:
- 开发和验证一种可靠的方法来检测FLIm中的定向光束,以实时进行手术指导.
- 为了应对在手术环境中可变的照明和反射所带来的挑战.
- 提高图像引导干预的可靠性和准确性.
主要方法:
- 使用以数据为中心的培训策略开发了一个实例细分模型.
- 专注于最大限度地减少标签噪声,并提高用于定向光束识别的检测稳定性.
- 在40个体内外科视频和临床TORS手术过程中评估了该模型.
主要成果:
- 在体内外科视频中,实现了指向束检测率的中位数为85%.
- 当该系统被整合到临床TORS程序中时,保持了85%的检测率.
- 该系统的计算效率约为每秒24,适合实时指导.
结论:
- 以数据为中心的方法在复杂的手术场景中显著提高了基于FLIm的定向束检测的可靠性.
- 这一进步支持实时,图像引导干预的可行性,提高了手术精度.
- 开发的系统在计算上高效,并在TORS.等临床环境中有效.


