经脐单孔腹腔镜手术(transumbilicallaparoendoscopic single site surgery,TU-LESS)是一种先进的微创手术技术,手术路径经由患者脐孔进入腹腔,与传统的腹腔镜手术相比较,脐部的褶皱可以遮盖TU-LESS切口,几乎不会留下任何疤痕,有良好的...经脐单孔腹腔镜手术(transumbilicallaparoendoscopic single site surgery,TU-LESS)是一种先进的微创手术技术,手术路径经由患者脐孔进入腹腔,与传统的腹腔镜手术相比较,脐部的褶皱可以遮盖TU-LESS切口,几乎不会留下任何疤痕,有良好的美容效果。同时,它对机体损伤程度小,术中出血少,可有效降低术后并发症的出现概率,术后肛门排气快,恢复快,痛苦度低、住院时间短、安全可行,在临床上受到患者尤其年轻女性患者的欢迎。随着微创手术的不断发展,TU-LESS在妇科手术中的优势日益凸显,本文重点就经脐单孔腹腔镜手术在妇科中的应用现状及进展进行系统探讨,旨在为妇科医生针对不同疾病进行手术方案选择时提供TU-LESS思路,推进TU-LESS的不断成熟与发展。展开更多
目的使用单幅RGB图像引导稀疏激光雷达(light detection and ranging,LiDAR)点云构建稠密深度图已逐渐成为研究热点,然而现有方法在构建场景深度信息时,目标边缘处的深度依然存在模糊的问题,影响3维重建与摄影测量的准确性。为此,本文...目的使用单幅RGB图像引导稀疏激光雷达(light detection and ranging,LiDAR)点云构建稠密深度图已逐渐成为研究热点,然而现有方法在构建场景深度信息时,目标边缘处的深度依然存在模糊的问题,影响3维重建与摄影测量的准确性。为此,本文提出一种基于多阶段指导网络的稠密深度图构建方法。方法多阶段指导网络由指导信息引导路径和RGB信息引导路径构成。在指导信息引导路径上,通过ERF(efficient residual factorized)网络融合稀疏激光雷达点云和RGB数据提取前期指导信息,采用指导信息处理模块融合稀疏深度和前期指导信息,并将融合后的信息通过双线性插值的方式构建出表面法线,将多模态信息融合指导模块提取的中期指导信息和表面法线信息输入到ERF网络中,提取可用于引导稀疏深度稠密化的后期指导信息,以此构建该路径上的稠密深度图;在RGB信息引导路径上,通过前期指导信息引导融合稀疏深度与RGB信息,通过多模态信息融合指导模块获得该路径上的稠密深度图,采用精细化模块减少该稠密深度图中的误差信息。融合上述两条路径得到的结果,获得最终稠密深度图。结果通过KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)深度估计数据集训练多阶段指导网络,将测试数据结果提交到KITTI官方评估服务器,评估指标中,均方根误差值和反演深度的均方根误差分别为768.35和2.40,均低于对比方法,且本文方法在物体边缘和细节处的构建精度更高。结论本文给出的多阶段指导网络可以更好地提高稠密深度图构建准确率,弥补激光雷达点云稀疏的缺陷,实验结果验证了本文方法的有效性。展开更多
文摘经脐单孔腹腔镜手术(transumbilicallaparoendoscopic single site surgery,TU-LESS)是一种先进的微创手术技术,手术路径经由患者脐孔进入腹腔,与传统的腹腔镜手术相比较,脐部的褶皱可以遮盖TU-LESS切口,几乎不会留下任何疤痕,有良好的美容效果。同时,它对机体损伤程度小,术中出血少,可有效降低术后并发症的出现概率,术后肛门排气快,恢复快,痛苦度低、住院时间短、安全可行,在临床上受到患者尤其年轻女性患者的欢迎。随着微创手术的不断发展,TU-LESS在妇科手术中的优势日益凸显,本文重点就经脐单孔腹腔镜手术在妇科中的应用现状及进展进行系统探讨,旨在为妇科医生针对不同疾病进行手术方案选择时提供TU-LESS思路,推进TU-LESS的不断成熟与发展。
文摘目的使用单幅RGB图像引导稀疏激光雷达(light detection and ranging,LiDAR)点云构建稠密深度图已逐渐成为研究热点,然而现有方法在构建场景深度信息时,目标边缘处的深度依然存在模糊的问题,影响3维重建与摄影测量的准确性。为此,本文提出一种基于多阶段指导网络的稠密深度图构建方法。方法多阶段指导网络由指导信息引导路径和RGB信息引导路径构成。在指导信息引导路径上,通过ERF(efficient residual factorized)网络融合稀疏激光雷达点云和RGB数据提取前期指导信息,采用指导信息处理模块融合稀疏深度和前期指导信息,并将融合后的信息通过双线性插值的方式构建出表面法线,将多模态信息融合指导模块提取的中期指导信息和表面法线信息输入到ERF网络中,提取可用于引导稀疏深度稠密化的后期指导信息,以此构建该路径上的稠密深度图;在RGB信息引导路径上,通过前期指导信息引导融合稀疏深度与RGB信息,通过多模态信息融合指导模块获得该路径上的稠密深度图,采用精细化模块减少该稠密深度图中的误差信息。融合上述两条路径得到的结果,获得最终稠密深度图。结果通过KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)深度估计数据集训练多阶段指导网络,将测试数据结果提交到KITTI官方评估服务器,评估指标中,均方根误差值和反演深度的均方根误差分别为768.35和2.40,均低于对比方法,且本文方法在物体边缘和细节处的构建精度更高。结论本文给出的多阶段指导网络可以更好地提高稠密深度图构建准确率,弥补激光雷达点云稀疏的缺陷,实验结果验证了本文方法的有效性。
