BREA-Depth：支气管镜真实气道几何深度估计
计算机视觉与模式识别
2025-09-16 v1
摘要
单眼深度估计在支气管镜成像中可显著提高实时导航精度，增强复杂分支气道干预的安全性。近期深度基础模型在内窥镜场景中显示出前景，但这些模型常缺乏对支气管镜的解剖学敏感性，易过拟合局部纹理而难以捕获全局气道结构，尤其在深度线索模糊和照明不足时。为此,我们提出Brea-Depth，一种新型框架，将气道特定的几何先验整合到基础模型适应中用于支气管镜深度估计。该方法引入深度感知的CycleGAN，细化真实支气管镜图像与来自解剖数据的气道几何之间的翻译，有效弥合域间差距。此外,我们引入气道结构感知损失，以确保气道腔内深度一致性，同时保持平滑的过渡和结构完整性。通过融入解剖学先验，Brea-Depth增强了模型的泛化能力，实现更稳健、准确的3D气道重建。为评估解剖学真实性，我们引入Airway Depth Structure Evaluation（ADSE），一种新的结构一致性指标。我们在收集的体外人类肺组织数据集和公开支气管镜数据集上验证了Brea-Depth，该方法在保持解剖学深度方面优于现有方法。
引用
@article{arxiv.2509.11885,
title = {BREA-Depth: Bronchoscopy Realistic Airway-geometric Depth Estimation},
author = {Francis Xiatian Zhang and Emile Mackute and Mohammadreza Kasaei and Kevin Dhaliwal and Robert Thomson and Mohsen Khadem},
journal= {arXiv preprint arXiv:2509.11885},
year = {2025}
}
备注
The paper has been accepted to MICCAI 2025