基于深度学习的内镜单射边投影造型测量
Ruizhi Zuo1, Shuwen Wei1, Yaning Wang1
1Johns Hopkins University, Department of Electrical and Computer Engineering, Baltimore, Maryland, United States.
Journal of biomedical optics
|August 21, 2025
概括
一个新的单拍边缘投影特征测量 (FPP) 系统使用深度学习来实时生成深度图. 这种内镜方法提高了手术指导的准确性和速度.
科学领域:
- 医学成像
- 机器人技术
- 计算机视觉
背景情况:
- 由于多次图像采集,传统的边缘投影造型测量 (FPP) 对于动态手术测量来说太慢了.
- 高速,准确的深度地图生成对于实时的机器人手术指导至关重要.
研究的目的:
- 开发和演示基于深度学习的,用于内镜外科指导的一次性FPP系统.
- 实现目标组织的实时,准确的深度地图生成.
主要方法:
- 使用双通道内镜设计了一个内镜单射FPP系统.
- 开发了一个深度学习网络,将MaskNet用于细分和DepthNet用于深度预测.
- 使用数据合成方法创建多样化的培训数据集.
主要成果:
- 该系统的最大深度预测误差约为2毫米.
- 每的处理时间约为12.75毫秒.
- 对于单射FPP设置,确定了20 Hz的最佳边缘图案频率.
结论:
- 基于深度学习的一次性FPP内镜系统有效生成毫米级准确的实时深度图.
- 这项技术有可能显著提高图像引导的机器人手术的可靠性.


