输尿管镜AI定位精度0.5毫米，帧覆盖率从50%飙至86%！
RAUL: Reference-Assisted Ureteroscopy Localization for Skill Assessment
📖 AI 总结
本文提出RAUL，一种参考辅助的输尿管镜轨迹重建框架，旨在仅凭内窥镜视频实现输尿管镜导航技能的客观评估。研究针对输尿管镜碎石手术中导航不完整导致重复干预的问题，利用每个体模中一段缓慢、高质量参考探索视频生成参考重建，再将后续探索视频定位至该参考，从而恢复镜体轨迹并计算导航指标。在9个体模上，该方法平均平移均方根误差为0.5±0.1毫米，帧级定位覆盖率由标准运动恢复结构方法的50.5±14.9%提升至86.1±7.2%。重建轨迹在既有导航指标上显示出高经验与低经验受训者之间的显著差异。该工作首次实现无需外部追踪传感器的纯视频输尿管镜轨迹恢复，为可扩展的自动化技能评估提供了新途径。
🔑 关键词速览
| RAUL | 本文提出的参考辅助输尿管镜定位框架，利用高质量参考视频辅助从内窥镜视频中恢复输尿管镜轨迹。 |
| Structure-from-Motion (SfM) | 一种从多视角图像序列中同时估计相机位姿和三维场景结构的经典三维重建技术。 |
| Ureteroscopy | 输尿管镜手术，一种通过自然腔道进入输尿管和肾脏进行诊断或治疗（如碎石）的微创内窥镜操作。 |
| Phantom | 体模，在医学研究中用于模拟人体解剖结构和手术环境的物理模型，常用于算法验证和技能训练。 |
| Navigation Metrics | 导航指标，用于量化内窥镜在解剖结构中移动表现（如覆盖率、路径效率等）的客观评价参数。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅