面向内窥镜单目深度预测的任务引导域间隙缩减

结直肠癌仍是世界上最致命的癌症之一。近年来，计算机辅助方法旨在通过自动化子任务来加强癌症筛查并提升结肠镜检查的质量与可及性。其中一项任务是根据单目视频帧预测深度，可辅助内窥镜导航。由于标准体内结肠镜的真实深度因硬件限制仍不可得，两类方法试图规避对真实训练数据的需求：在标注合成数据上训练的有监督方法，以及在无标注真实数据上训练的自监督模型。然而，自监督方法依赖不可靠的损失函数，难以处理边缘、自遮挡和光照不一致。在合成数据上训练的方法可为合成几何提供准确深度，但不利用来自真实数据的任何几何监督信号，且过拟合于合成解剖结构与属性。本工作提出一种利用标注合成数据与无标注真实数据的新方法。先前的域适应方法不加区分地强制两种输入数据模态的分布重合，而我们聚焦于最终任务（深度预测），仅在输入域间迁移必要信息。我们的方法可对真实结肠镜序列生成更具鲁棒性与准确性的深度图。