BCRNet：通过贝塞尔曲线细化提升腹腔肝手术关键点检测
计算机视觉与模式识别
2025-06-19 v1
摘要
腹腔肝手术虽为微创技术,但在准确识别关键解剖结构方面面临重大挑战。基于 2D-3D 配准的增强现实(AR)系统将 MRI/CT 与腹腔图像集成,为提高手术导航提供了可行方案。注册进程的一个关键环节是精确检测腹腔图像中的曲线解剖关键点。在本文中,我们提出 BCRNet(贝塞尔曲线细化网络),一个新型框架通过贝塞尔曲线细化策略显著提升腹腔肝手术的关键点检测。该框架以多模态特征提取(MFE)模块为起点,旨在稳健捕获语义特征。随后我们提出自适应曲线提案初始化(ACPI),生成像素对齐的贝塞尔曲线及置信度分数,以可靠生成初始提案。此外,我们设计了分层曲线细化(HCR)机制,通过多阶段过程迭代细化这些提案,从多尺度像素级特征中捕获细粒度上下文信息,以精准调整贝塞尔曲线。广泛的在 L3D 和 P2ILF 数据集上的评估表明,BCRNet 在性能上优于最先进的方法,取得显著的性能提升。代码将公开。
引用
@article{arxiv.2506.15279,
title = {BCRNet: Enhancing Landmark Detection in Laparoscopic Liver Surgery via Bezier Curve Refinement},
author = {Qian Li and Feng Liu and Shuojue Yang and Daiyun Shen and Yueming Jin},
journal= {arXiv preprint arXiv:2506.15279},
year = {2025}
}
备注
Accepted at MICCAI 2025, 11 pages, 2 figures