Attachment Anchors：用于结肠手术抓取点预测的新型框架
计算机视觉与模式识别
2026-02-20 v1
摘要
精确抓取点预测是实现 minimally invasive surgery 中组织操纵的关键挑战，尤其是在复杂且变动的结肠干预手术中。由于手术过程复杂且耗时，结肠手术在当前研究中相对缺乏代表。同时，这类手术构成极具吸引力的学习环境，因其组织操作具有重复性，可作为基于机器学习的自主操纵的理想入口。因此，本文引入attachment anchors（附着锚点），这是一种结构化表征，编码了结肠手术中组织与其解剖附着物之间的局部几何与力学关系。该表征通过将手术场景标准化到一致的局部参考系中，从而降低抓取点预测的不确定性。我们证明，附着锚点可从腹镜图像中预测，并集成到基于机器学习的抓取框架中。针对90例结肠手术的数据集实验表明，附着锚点在抓取点预测方面优于仅依赖图像的基线方法。在包括未见手术程序和不同操作医生的超分布(set)设置下，实验显示出显著提升，表明附着锚点是实现结肠手术中基于学习的组织操纵的有效中间表征。
引用
@article{arxiv.2602.17310,
title = {Attachment Anchors: A Novel Framework for Laparoscopic Grasping Point Prediction in Colorectal Surgery},
author = {Dennis N. Schneider and Lars Wagner and Daniel Rueckert and Dirk Wilhelm},
journal= {arXiv preprint arXiv:2602.17310},
year = {2026}
}