基于视觉的神经外科导航：无监督定位和相机姿态预测
内容提要
该研究提出了多种基于内窥镜的深度估计方法，如双目内窥镜深度声明网络和自监督卷积神经网络，旨在提高手术视频中工具定位和深度估计的准确性，推动微创外科技术的发展。
延伸解读
技术路线：从监督到自监督的演进
文章梳理的多项研究显示，内窥镜深度估计与工具定位正从依赖大量标注数据转向自监督与弱监督方法。例如，WS-YOLO利用机器人输出的粗粒度语义生成细粒度标签，减少人工注释；单目自监督方法仅需视频和运动结构即可训练。这种演进降低了数据标注成本，并提升了在隐私敏感医疗数据上的适用性。
临床价值：推动微创外科与导航
这些技术旨在提高手术视频中工具定位和深度估计的准确性，从而支持SLAM、3D重建等任务。例如，仅用支气管镜视频即可实现视觉引导，无需电磁跟踪和CT扫描；神经场方法能同时追踪工具和解剖结构，生成高质量伪深度图像。这些进展有望推动微创外科向更智能、更安全的方向发展。
方法多样性：应对不同场景的挑战
文章涵盖了多种方法：双目与单目内窥镜、自监督与弱监督、卷积网络与图神经网络、神经场等。针对结肠镜、支气管镜、腹腔镜等不同场景，研究者分别设计了深度预测、导航引导和追踪方案。这种多样性反映了内窥镜视觉任务的复杂性，也说明尚无单一通用解决方案。
性能与局限：精度提升但仍有约束
部分方法报告了较高指标，如躯体外视频帧检测达到96.00-98.02的平均F1分数，神经场方法能生成与预训练深度估计器相媲美的伪深度图像。然而，这些结果多基于特定数据集或任务，实际临床推广仍需验证泛化能力、实时性及对设备差异的鲁棒性。
Q&A
该研究提出了哪些深度估计方法？
该研究提出了基于双目内窥镜的深度声明网络和自监督卷积神经网络等多种方法。
如何减少手术工具定位的人工注释工作量？
通过Weakly Supervised Yolo Network (WS-YOLO)生成手术工具在内窥镜视频中的定位信息，减少人工注释工作量。
自监督卷积神经网络的训练方法有什么特点？
该方法基于单目内窥镜数据训练，无需解剖学或阴影的先验建模。
该研究如何提高单目深度估计的准确性？
通过结合自我监督和监督训练的方法，利用光度线索提高单目深度估计的准确性。
该研究在内窥镜图像中使用了哪些技术？
研究结合了卷积神经网络和基于注意力机制的图神经网络，处理特征匹配和对应关系问题。
如何实现对支气管镜操作的视觉引导？
通过仅利用支气管镜视屏数据，采用CNN进行气道分割和HMM模型进行定位，实现视觉引导。
