基于单张图像的外科神经辐射场
计算机视觉与模式识别
2025-07-02 v1 人工智能
摘要
目的：神经辐射场（NeRF）在 3D 重建和视角合成方面具有卓越的能力，但其依赖大量多视角数据，限制了其在手术内运算场景中仅有有限数据可用的应用。特别是由于时间限制，无法在内运算期收集此类数据。本工作通过利用单张内运算图像和术前数据，在手术场景下高效训练 NeRF 以应对此挑战。方法：我们利用术前 MRI 数据定义相机视点和图像集合，以实现稳健且无遮挡的训练。术内期间，通过神经风格迁移将手术图像的外观传输到预构建的训练集中，具体采用 WTC2 和 STROTSS 以防止过度风格化。这一过程使我们能够为即时快速的单图像 NeRF 训练创建数据集。结果：该方法以四个临床神经外科病例进行评估。与基于真实手术显微镜图像训练的 NeRF 模型进行定量比较，显示出强烈的合成一致性，表明重建保真度和风格对齐性良好。与真实值比较，本方法表现出高结构相似性，确认重建质量和纹理保持良好。结论：本方法证明了在手术场景下进行单图像 NeRF 训练的可行性，克服了传统多视角方法的局限性。
引用
@article{arxiv.2507.00969,
title = {Surgical Neural Radiance Fields from One Image},
author = {Alberto Neri and Maximilan Fehrentz and Veronica Penza and Leonardo S. Mattos and Nazim Haouchine},
journal= {arXiv preprint arXiv:2507.00969},
year = {2025}
}