重新定义腹腔镜空间感知：基于AI的立体图像术中与术后测量
计算机视觉与模式识别
2023-11-17 v1 人工智能
摘要
图像引导手术中的一个重大挑战是对血管段、切除缘或肠管长度等相关结构进行准确测量。虽然该任务是许多手术的重要组成部分，但其涉及大量人力且容易出现不准确性。在本文中，我们开发了一种新颖的、由执业外科医生指导的、利用立体视觉的腹腔镜测量人机协同方法。基于整体定性需求分析，本工作提出了一种综合测量方法，其包含最先进的机器学习架构，如RAFT-Stereo和YOLOv8。所开发的方法在各种现实实验评估环境中进行了评估。我们的结果勾勒出该方法在距离测量中实现高精度的潜力，误差低于1 mm。此外，表面测量在应用于无纹理区域的挑战性环境时表现出鲁棒性。总体而言，通过解决图像引导手术的固有挑战，我们为更鲁棒和准确的术中与术后测量解决方案奠定了基础，从而实现更精确、安全和高效的手术操作。
引用
@article{arxiv.2311.09744,
title = {Redefining the Laparoscopic Spatial Sense: AI-based Intra- and Postoperative Measurement from Stereoimages},
author = {Leopold Müller and Patrick Hemmer and Moritz Queisner and Igor Sauer and Simeon Allmendinger and Johannes Jakubik and Michael Vössing and Niklas Kühl},
journal= {arXiv preprint arXiv:2311.09744},
year = {2023}
}
备注
38th AAAI Conference on Artificial Intelligence (AAAI-24)