3D腹腔镜手术相机姿态估计方法、装置、设备及存储介质制造方法及图纸

本申请涉及图像处理技术领域，揭示了一种3D腹腔镜手术相机姿态估计方法、装置、设备及存储介质，所述方法包括：获取腹腔的影像集合；基于所述影像集合、预设的结构相似性指数公式确定深度图像、第三光流图、第四光流图，而后基于所述深度图像、所述第三光流图、所述第四光流图以及训练好的UNet网络进行姿态估计。能够在保持较高精度的前提下，不需要高性能的CPU、GPU和高质量的传感器(如RGB‑D相机、激光雷达等)的支持，设备复杂度降低，更好的利用双目系统获取的手术数据，提高特征提取的准确度，在不同的手术场景中实现更精确的摄像机姿态估计，以增强手术导航的精度和综合性，提升手术的精确性和安全性，优化手术流程和提高术后评估的质量。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种3d腹腔镜手术相机姿态估计方法、装置、设备及存储介质。

技术介绍

1、随着医疗技术的进步，微创手术已成为现代外科手术的重要发展方向，其中腹腔镜手术技术因其创伤小、恢复快等优势，已广泛应用于各种腹部手术中。与开放手术相比，微创手术减少了创伤和相关疼痛，并大大缩短了术后恢复时间。3d腹腔镜手术通过在手术区域捕捉两帧略微不同角度的图像，然后将这些图像光栅化处理并实时显示在专门的3d显示器上。外科医生佩戴3d眼镜观看这些立体图像，可以实现对手术器械的精细操控，极大地提高手术的精确度和安全性。腹腔镜手术已广泛应用于多种腹部手术中，不仅优化了外科手术流程，也为患者提供了更为优质的医疗服务。

2、在腹腔镜手术等高度复杂的医疗场景中，手术团队通常面临有限的视野、手术器械操作的复杂性以及手术场景的三维信息缺失等问题，这些因素共同增加了手术的难度和风险。此外，手术中的动态变化如组织的移动、出血或烟雾等也会进一步影响视野清晰度，使得手术数据的处理和分析变得尤为困难。因此，精确的姿态信息能够使医生对于术中局部图像信息和全局3d位置产本文档来自技高网...

【技术保护点】

1.一种3D腹腔镜手术相机姿态估计方法，其特征在于，所述3D腹腔镜手术相机姿态估计方法包括：

2.根据权利要求1所述的3D腹腔镜手术相机姿态估计方法，其特征在于，所述基于所述第一左侧影像、第一右侧影像以及所述匹配成本，确定深度图像的步骤包括：

3.根据权利要求1所述的3D腹腔镜手术相机姿态估计方法，其特征在于，所述基于所述第一左侧影像、第二左侧影像计算光流，得到第一光流图，并基于所述第一右侧影像、第二右侧影像计算光流，得到第二光流图的步骤包括：

4.根据权利要求1所述的3D腹腔镜手术相机姿态估计方法，其特征在于，所述基于所述第二结构相似性指数、第一光流...

【技术特征摘要】

1.一种3d腹腔镜手术相机姿态估计方法，其特征在于，所述3d腹腔镜手术相机姿态估计方法包括：

2.根据权利要求1所述的3d腹腔镜手术相机姿态估计方法，其特征在于，所述基于所述第一左侧影像、第一右侧影像以及所述匹配成本，确定深度图像的步骤包括：

3.根据权利要求1所述的3d腹腔镜手术相机姿态估计方法，其特征在于，所述基于所述第一左侧影像、第二左侧影像计算光流，得到第一光流图，并基于所述第一右侧影像、第二右侧影像计算光流，得到第二光流图的步骤包括：

4.根据权利要求1所述的3d腹腔镜手术相机姿态估计方法，其特征在于，所述基于所述第二结构相似性指数、第一光流图确定第三光流图，并基于所述第三结构相似性指数、第二光流图确定第四光流图的步骤，包括：

5.根据权利要求4所述的3d腹腔镜手术相机姿态估计方法，其特征在于，所述第二卷积神经网络包括多个依次连接的卷积模块，所述卷积模块包括平均池化层、第一卷积层、最大池化层、堆叠层、第二卷积层，所述平均池化层的输出端、第一卷积层的输出端、最大池化层的输出端分别连接所述堆叠层的输入端，所述堆叠层的输...

【专利技术属性】
技术研发人员：连若琪，贾富仓，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：