基于内窥镜的跳动心脏三维运动跟踪

发布时间：2021-08-12 13:56

　　心脏微创手术近年来发展迅速,然而由于心脏运动速度较快等原因,该类手术仍然很有挑战性,所以对心脏进行三维运动跟踪的工作就变得很重要。在基于立体内窥镜的跳动心脏运动跟踪中,跟踪过程经常被镜面反射、遮挡等动态干扰中断。良好的预测算法可以在心脏运动跟踪失败时提供缺失的视觉信息,并在干扰结束后恢复正常跟踪。本文对心脏三维运动跟踪及运动预测进行了深入研究,成果如下:1)针对基于传统模型的心脏三维运动跟踪重构精度和速度较低的问题,提出了一种基于改进的低秩统计姿态模型（Low-rank Statistical Shape Model,LSM）的心脏三维运动跟踪。首先将薄板样条模型解耦为形状和位置,并使用解耦模型来预重构多帧历史感兴趣区域,然后利用主成分分析技术（Principal Component Analysis,PCA）从预重构的结果中学习特征形状并在此基础上构建LSM模型,利用该模型重建后续帧。三维跟踪问题转化为每帧的模型参数优化问题,利用有效二阶最小化（Efficient Second-order Minimization,ESM）算法迭代求解参数,完成心脏三维运动跟踪。实验结果表明该算法在... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图2-2双目摄像机的成像原理图及其获取的左右图像

图 2-5 基于模型的 ROI 重建示意图预测系统可以使医生能够更有效地执行复杂且精细的手术是非常具有挑战性的，正如 Bo 等人在文献[类所能跟踪的范围，所以主动运动补偿技术被提该技术的主要目的是通过主动同步手术器械与心定的手术环境。主动运动补偿技术主要是解决测于测量和控制来说，POI 的运动预测是非常重要采用递归跟踪的方案，由于通常将前一帧的测量当前帧的测量取决于从前一帧测量的结果是否常不能自行恢复。在一个高度动态的微创手术中立体内窥镜的视觉跟踪过程中，内窥镜图像往往（由手术器械，烟雾或血液等引起）等动态效应

的阈值法进行移除[50]。由于 ESM 算法无法不间断地跟踪全部的 600 帧体内心脏数据，当跟踪中断时，将手动重新启动跟踪过程。我们最终获得四个43200 600的姿态数据矩阵及其对应的43200 24的形状变换矩阵和24 600的参数矩阵。奇异值和特征形状可以由参数矩阵计算出。每个视频集的奇异值都是稀疏的，图 3-2 展示出了奇异值平方值的分布情况。能量集中在前几个较大的奇异值上，展示了 9 个控制点的 TPS 模型定义的 24 维姿态空间中姿态向量的分布是稀疏的，表明 9-CP 的 TPS 模型的自由度对于姿态表示是冗余的。因此，通过前几个对应于最大奇异值的主成分重建心脏姿态是可行的。通过前几个最大奇异值对应的主成分进行重建的误差可以通过式（3-3）中所示的被忽略掉的奇异值来估算。根据奇异值的能量分布，视频 I/II/III/IV 四个数据集的前 8 帧、前 6 帧、前 12 帧和前 10 帧的特征形状分别用于各自的低秩形变建模，使得每个数据集的归一化重建误差满足如式（3-43）所示的条件。22 0.01F FQ Q Q (3-43)

【参考文献】：
期刊论文
[1]基于Harris角点的内窥镜图像变形全自动校正算法[J]. 王田苗,王君臣,杨艳,胡磊,孙磊.  自动化学报. 2011(11)

硕士论文
[1]机器视觉辅助超声手术导航系统研究[D]. 谢健.华中科技大学 2017
[2]基于视觉的胶囊内窥镜导航研究[D]. 赵荧.哈尔滨工业大学 2013
[3]辅助腹腔镜手术机器人设计与研究[D]. 董九志.哈尔滨工程大学 2007



本文编号：3338447