|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
内窥镜手术最大的优点在于对病人实现了微创。和传统开放式手术相比，内窥镜手术是当今临床外科手术技术的总体趋势，医生通过人体的自然腔道或人为的微小切口将内窥镜和手术器械伸入病灶处，在内窥镜提供的实时视觉反馈下直接进行手术操作。由于避免了大创伤，减少了患者的恐惧感和肉体上的痛苦，缩短了康复时间，减少了治疗花费，内窥镜手术获得了广泛的关注和迅速的发展。然而,内窥镜一方面有着体内实时成像的优点，另一方面又存在着视野狭窄，缺乏空间感、直观感、深度感以及易被遮挡等题目。因此，将图像引导手术（image-guided surgery, IGS）与内窥镜技术相结合就形成了一个新的研究热点：内窥镜导航（endoscopic navigation）。其中内窥镜导航所涉及的内窥镜图像分析与特征提取、内窥镜标定与图像校正、图像配准与融合、虚拟内窥镜与增强现实、内窥镜及手术器械的跟踪与检测以及可视化等，是关键的难点和热点题目。本文以内窥镜导航为背景，结合中国临床的实际需求，对这些研究热点所涉及的估计理论和医学图像计算与融合方法，从数学模型、算法实现以及具体应用三个层次上展开理论和方法上的研究。针对内窥镜图像变形题目，提出一种基于Harris角点检测的全自动内窥镜图像变形校正算法。对一幅黑白棋格图像进行Harris特征点检测并将特征按所属直线进行自动归类。引入关于全体变形参数的Harris角点子集直线度函数并对它进行Levenberg-Marquardt迭代优化来寻找最优变形参数。获取图像时无需限定内窥镜相机与标定图案的相对姿态，算法执行中无需用户交互式干预。模拟实验和临床实验结果表明新算法的校正结果使得内窥镜成像很好地满足线性相机模型，具有亚像素级精度，是一种快速简单灵活的校正方法，尤其适合临床应用。图像校正后的内窥镜满足线性相机模型，是后续研究的基础。针对内窥镜相机与外部位置传感器之间的手眼标定题目，首先将它归类于机器人手眼标定题目，并提出一种基于最大似然估计的非线性最优手眼标定算法。由于测量包含误差，因此不能严格满足手眼标定矩阵方程，从而导致现有机器人手眼标定算法对观测噪声较为敏感。新算法根据包含噪声的测量值估计它们的真值，使得测量真值满足手眼标定方程，并且在欧拉刚性变换矩阵空间中可使真值和对应的测量值的距离最小。通过数值仿真和真实内窥镜手眼标定实验，并与现有两种经典的手眼标定算法比较,结果表明新算法在估计误差、对位姿变换次数的敏感度以及稳定性方面均优于经典算法。针对传统的标定题目，首先对它进行了数学形式上的统一。其次将贝叶斯估计的思想引入到标定题目中，提出了一种基于无迹卡尔曼滤波（unscented Kalman filtering, UKF）的在线标定框架。最后以手眼标定为例，使用UKF滤波来求解齐次变换矩阵方程。通过建立手眼标定的隐式马尔可夫模型（hidden Markov model, HMM），并对它进行无迹卡尔曼滤波，从而对标定参数的状态进行递归贝叶斯估计和实时可视化处理。蒙特卡洛仿真结果表明，在小高斯噪声、较大高斯噪声以及非等方向性高斯噪声模型下，该算法估计结果的精确度优于传统的最小二乘标定算法。通过实际手眼标定实验验证了新算法的稳定收敛性，标定结果的误差小于最小二乘法。针对单幅内窥镜图像缺乏空间感和深度感的题目，研究了基于2/多/序列内窥镜图像的几何重建题目。将计算机视觉领域的“从运动中恢复结构”（structure from motion, SFM）技术引入内窥镜导航，设计并实现了一种基于SIFT（scale-invariant feature transform）特征的内窥镜图像序列SFM算法。以实用化为目的，提出一种基于内窥镜图像的非接触式几何测量方法，实验结果表明距离测量误差小于1.5 mm。针对内窥镜导航中的图像配准题目，提出了考虑噪声模型的医学图像点对配准题目的最大似然估计算法并给出目标配准误差的预测方法。对定义在马氏（Mahalanobis）距离空间的“绝对定向题目”（absolute orientation problem, AOP）进行迭代求解，使其结果收敛到最大似然解，并使用误差传递理论计算配准结果的方差。通过方差传递公式计算目标配准误差（target registration error, TRE）的数学期望，对手术空间中TRE数学期望的分布进行可视化，生成TRE分布地图（TRE map）用于评价配准结果和优化基准点的空间配置。数值模拟结果表明新算法估计结果的精确度优于AOP的封闭解法，对TRE预测的相对误差小于2%，对配准结果标准差预测的相对误差小于4%。此外，还提出一种基于ICP（iterative closest point）算法的特征点云配准技术用于术中配准。获取实际手术空间和医学图像空间特征区域的两片点云坐标进行三维配准。对CT图像进行重建、分割以及交互式操作得到医学图像特征点云。利用光学定位仪实时采集实际手术空间中对应区域的点云。通过主元分析（principal component analysis, PCA）获取两组点云数据的特征向量进行初配准。在初始配准的基础上进行最近点迭代使配准矩阵收敛到一个最优解，其中采用k-d 树（k-d tree）寻找邻近点加速迭代过程。最后以脊柱模型骨为对象进行了脊柱手术导航配准精度实验，结果表明这种配准方法简单可靠，在模型骨情况下配准精度在1 mm以内。关于内窥镜导航的可视化题目，研究了基于虚拟内窥镜技术的视觉增强与融合方法。给出了基于面绘制算法和体绘制算法的两种虚拟图像合成算子，并对比实际内窥镜相机，提出了虚拟相机的概念以及虚拟相机与真实内窥镜联动的方法。将纹理映射引入到内窥镜导航中进行图像融合，增加虚拟手术场景的真实感。针对虚拟相机的运动控制及路径规划题目，设计并实现了一种人体腔状结构的中心线提取算法，并使用三次样条函数对原算法的结果进行了优化。在中心线的基础上提出了导航信息树的数据结构，使用它能有效地组织导航信息，产生逼真的虚拟内窥镜fly-through视图。最后，搭建了内窥镜导航技术实验研究平台——EndoNavi系统。该系统作为本文研究内容的具体实现，定位于临床应用。首先介绍了它的组成和软硬件平台。其次进行了电磁定位设备（NDI公司的Aurora电磁定位仪）的定位精度实验研究。最后在EndoNavi平台上展开了“基于虚拟内窥镜技术的血管内导管导航”的实验研究，通过模型假体实验和动物实验验证了EndoNavi系统的有效性和临床应用潜力。 |
上一篇：视角无关的视频目标分类方法研究下一篇：大型飞机优化设计平台后处理系统的研究与实现
|
发表于 2022-5-3 09:50:34
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
