在微创手术中进行单眼深度估计的协作手术仪器细分
Xue Li1, Wenxin Chen2, Xingguang Duan1
1the School of Mechatronical Engineering, Beijing Institute of Technology, 30 Xueyuan Road, Haidian District, Beijing, 100081, China; the Key Laboratory of Biomimetic Robots and Systems, Beijing Institute of Technology, 30 Xueyuan Road, Haidian District, Beijing, 100081, China.
Medical image analysis
|August 23, 2025
概括
这项研究引入了一种新的双阶段自我监督的框架,用于手术中的单眼深度估计. 通过整合仪器细分,它显著改善了图像引导程序的3D感知.
科学领域:
- 医学成像
- 计算机视觉
- 手术技术
背景情况:
- 精确的3D感知对于图像引导的手术至关重要,
- 从二维图像进行单眼深度估计在复杂的外科环境中存在挑战.
研究的目的:
- 通过仪器细分增强自主监督的单眼深度估计框架.
- 在手术场景中提高空间理解和几何推理.
主要方法:
- 提出了一种两阶段的自我监督学习方法.
- 第一个阶段:分段和深度估计模型的单独训练.
- 第2阶段:使用共享编码器和多个解码器,将RGB输入的分段面罩合并为深度精细化.
主要成果:
- 该框架在RIS,SCARED,dVPN和SERV-CT数据集上进行了验证.
- 细分感知深度估计显示了改进的几何推理.
- 在充满挑战的场景中提高了表现,
结论:
- 拟议的框架有效地通过任务级优先级增强单眼深度估计.
- 整合仪器细分可以改善手术导航的三维感知.
- 这种方法在各种手术数据集中显示了通用性.
