【技术实现步骤摘要】
本专利技术涉及生物医药，尤其涉及一种医疗器械位姿估计模型的训练方法、位姿估计方法及装置。
技术介绍
1、手术机器人、智能辅助手术是当今智慧医疗领域的重要发展方向。如何实现鲁棒、准确且尽可能少的依赖辅助设备的微创手术工具器械位姿估计是手术机器人、智能辅助手术的重要关键基础技术。
2、相关技术实现位姿估计的常用方法主要分为两类，第一类通常需要在一般的手术本身所需的单目内窥镜以外添加其他辅助工具，进行手术器械定位，如在手术器械的尾端，固定棋盘格等标志物，通过采集标志物的图像，并对标志物的位姿估计，结合手眼标定技术对手术器械位姿间接估计；第二类广泛使用的方法是通过增加额外的彩色或者深度摄像头，经过双目匹配或者彩色与深度摄像头匹配，然后通过对极几何关系获得手术器械上的特征的三维信息，从而估计手术器械位姿；但这两类位姿估计方法投入的设备成本较高，且容易对医疗器械使用场景增加额外负担，在复杂场景下还会影响手术器械的活动范围，造成医疗器械位姿估计结果不准确。
技术实现思路
1、本专利技术提供一...
【技术保护点】
1.一种医疗器械位姿估计模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的医疗器械位姿估计模型的训练方法，其特征在于，所述从虚拟医疗器械的姿态采样空间中的多个采样点分别获取多个样本图像包括：
3.根据权利要求1所述的医疗器械位姿估计模型的训练方法，其特征在于，所述根据轮廓掩码图与对应的刚体变换矩阵生成目标训练集包括：
4.根据权利要求1所述的医疗器械位姿估计模型的训练方法，其特征在于，所述位姿估计网络包括基于自注意力机制的特征融合网络、可微分坐标估计网络和梯度可回传的可微分网络；
5.根据权利要求4所述的医疗器...
【技术特征摘要】
1.一种医疗器械位姿估计模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的医疗器械位姿估计模型的训练方法，其特征在于，所述从虚拟医疗器械的姿态采样空间中的多个采样点分别获取多个样本图像包括：
3.根据权利要求1所述的医疗器械位姿估计模型的训练方法，其特征在于，所述根据轮廓掩码图与对应的刚体变换矩阵生成目标训练集包括：
4.根据权利要求1所述的医疗器械位姿估计模型的训练方法，其特征在于，所述位姿估计网络包括基于自注意力机制的特征融合网络、可微分坐标估计网络和梯度可回传的可微分网络；
5.根据权利要求4所述的医疗器械位姿估计模型的训练方法，其特征在于，所述基...
【专利技术属性】
技术研发人员：王波，胡占义，杨雪冰，张文生，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。