基于深度学习的内窥镜深度估计：综述
计算机视觉与模式识别
2025-10-16 v2 图形学
摘要
内窥镜深度估计是提高微创手术安全性和精度的关键技术。它引起了医学成像、计算机视觉和机器人领域研究人员的极大关注。在过去十年中，已经开发了大量的方法。尽管已有几篇相关综述，但专门针对近期基于深度学习技术的全面概述仍然有限。本文致力于通过系统回顾最先进的文献来弥补这一空白。具体而言，我们从数据、方法和应用三个关键视角对该领域进行了全面综述。首先，在数据层面，我们描述了公开可用数据集的获取过程。其次，在方法层面，我们介绍了用于内窥镜深度估计的单目和双目基于深度学习的方法。第三，在应用层面，我们针对具体的临床场景，确定了深度估计技术在临床实施中面临的特定挑战及相应解决方案。最后，我们概述了未来的潜在研究方向，如领域自适应、实时实现以及深度信息与传感器技术的协同融合，从而为研究人员参与并推动该领域向临床转化提供有价值的起点。
引用
@article{arxiv.2507.20881,
title = {Endoscopic Depth Estimation Based on Deep Learning: A Survey},
author = {Ke Niu and Zeyun Liu and Xue Feng and Heng Li and Qika Lin and Kaize Shi},
journal= {arXiv preprint arXiv:2507.20881},
year = {2025}
}