在长视野遮下进行组织跟踪,具有对比性学习
Myrto Inglezou1, Nikolaos Kegkeroglou2, Leonidas Delimpasis2
1AI Innovation Centre, University of Essex, Wivenhoe Park, Colchester, CO4 3SQ, UK. mi23878@essex.ac.uk.
概括
这项研究引入了一种自我监督的方法,用于跟踪微创手术中的软组织,即使在长期遮后也是如此. 该系统使用对比学习进行强大的重新识别,改进计算机辅助干预.
科学领域:
- 计算机视觉 计算机视觉
- 医疗机器人 医疗机器人
- 手术导航 手术导航
背景情况:
- 持续的软组织跟踪对于计算机辅助的微创手术至关重要.
- 挑战包括非刚性变形,摄像机运动,闭塞和长视野闭塞后的重新识别.
研究的目的:
- 为微创手术中软组织开发实时跟踪管道.
- 为了应对长视野遮的挑战,组织从不同的角度重新进入视野.
- 为了使软组织区域在长时间缺席后能够进行可靠的重新识别.
主要方法:
- 一个实时管道整合密集的光流,单眼视觉测距,和一个自我监督的模板匹配模块.
- 用变化编码器进行对比学习,该编码器使用时间周期一致性进行训练,用于变形感知表示.
- 自主监督学习消除了手动注释的需要.
主要成果:
- 拟议的管道在延长的遮蔽和视角变化期间表现出稳定的跟踪性能.
- 在再次出现后,可以准确地重新识别软组织区域.
- 与基线方法相比,对比的变化编码器提高了对组织变形和外观变化的稳定性.
结论:
- 该框架提供了一种实际的,自我监督的解决方案,用于在微创手术中长视野组织跟踪.
- 观察到有前途的表现,尽管定量评估仅限于合成数据.
- 开发的代码是公开可用的,用于进一步的研究和应用.
更多相关视频
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
1.0K
10:25Technical Approach for Infrared Tracking for Soft Tissue Navigation with a Holographic Head-Mounted Display and Preclinical Validation
Published on: September 2, 2025
580
