本研究提出了一种新的实例学习方法$R^2$高斯溅射框架,用于从稀疏X光数据重建脊柱3D解剖结构。该方法通过解剖引导的放射标准化步骤,提高了重建质量和视觉一致性,展示了在脊柱手术导航中的临床实用性。
该文综述内窥镜三维重建与手术导航研究:自监督定位重建与CT高度一致,但点对点配准误差达6.58毫米,姿态与深度估计各占一半。多项工作提出深度估计、光流、风格转换及密封先验等方法,提升重建鲁棒性与精度,并探索增强现实导航临床应用。
该文汇总多项医学图像配准与识别研究:提出纵向集群式MRI配准快速量化胶质瘤生长;用DI2IN和聚类定位椎体中心;深度学习损伤跟踪器监测肿瘤;无辐射自动注册辅助腰椎手术导航;三阶段及多视角方法识别CT椎骨;骨骼图非刚性配准实现自动超声扫描;无监督关键点配准评估乳腺癌化疗后肿瘤变化,并预测病理完全缓解。
该文汇总多项手术导航与影像配准研究,包括:利用卷积神经网络实现术中X光与三维模型自动对齐,盆腔配准误差3.79毫米;用深度神经网络和RGB-D数据完成腰椎融合无辐射自动注册;提出机器学习模拟CT与数字放射成像框架;用CathSim与3D-FGRN重建三维导线;借助自监督和可微分渲染实现2D/3D配准;并涉及增强现实手术支持、髋部自动标记及神经辐射场动态三维重建。
完成下面两步后,将自动完成登录并继续当前操作。