一种基于深度学习的体数据 OCT 位姿估计方法

器械位姿跟踪是图像引导手术中的核心问题。对于显微场景，光学相干断层扫描（OCT）正日益用作一种成像模态。OCT 因其微米级分辨率与体视场而适用于精确位姿估计。然而，除图像的 3D 特性外，OCT 图像处理还因散斑噪声与反射伪影而具挑战性。我们以一种新的基于深度学习的跟踪框架解决 OCT 体数据上的位姿估计问题。为此，我们设计了一种新的 3D 卷积神经网络（CNN）架构，以从 OCT 体数据中直接预测小标记几何体的 6D 位姿。我们使用六足机器人自动获取标注数据点，用以训练用于多输出回归的 3D CNN 架构。我们利用该设置对基于深度学习的体数据位姿估计进行深入分析。具体而言，我们证明利用体信息进行位姿估计比依赖带深度信息的 2D 表示具有更高精度。支持该观察，我们给出定量与定性结果，表明 3D CNN 有效利用了标记物体的深度结构。就深度学习方面，我们提出了 3D CNN 的高效设计原则，借鉴了 2D 深度学习界的见解。特别地，我们提出 Inception3D 作为一种新架构，其在我们的应用中表现最佳。我们表明，我们的深度学习方法达到了真值标签分辨率处的误差。对于位置与朝向学习，我们分别实现了 $\SI{14.89 \pm 9.3}{\micro\metre}$ 与 $\SI{0.096 \pm 0.072}{\degree}$ 的平均平均误差。