序列内镜图像3D重建使用结构光和神经标记距离场与光度损失

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 计算几何学的计算几何学

背景情况:

• 对内部器官进行精确的3D形状测量对于内镜诊断和手术至关重要.
• 现有的3D内镜系统面临着噪声和准确性方面的挑战,特别是在一次性扫描方法中.
• 传统的基于特征的同时定位和映射 (SLAM) 与内部器官的无纹理性质相斗争.

研究的目的:

• 开发一种先进的3D形状测量技术,用于内镜手术.
• 在具有挑战性的内部环境中提高3D重建的准确性和稳定性.
• 为了提高临床应用的精确形状和外观估计.

主要方法:

• 使用神经签名距离场 (神经SDF) 与模式反射模型的新方法.
• 结构光被模拟为高频点光源,消除了对解码的需求.
• 差分染用于同时估计形状,表面特性和相机姿势.
• 通过顺序优化摄像头姿势以进行广域重建,扩展内SLAM.

主要成果:

• 拟议的神经SDF方法实现了准确的3D形状重建和表面性质估计.
• 该技术在具有挑战性的内镜场景中表现出强大,性能优于以前的方法.
• 使用染结肠模型验证的有效性,在形状重建中显示出卓越的性能.

结论:

• 神经SDF方法在内镜3D形状测量方面取得了重大进展.
• 这种方法对癌症诊断,计算机辅助干预和生成培训数据具有强烈的临床相关性.
• 该技术为内部器官的广域形状重建提供了强大的解决方案.