Tecnología de reconstrucción de escena 3D de imagen de secuencia de cistoscopia
CistoscopiaEl diagnóstico por imágenes es el estándar de oro para el diagnóstico del cáncer de vejiga y desempeña un papel importante en el diagnóstico de enfermedades, la orientación quirúrgica y el seguimiento del cáncer. Sin embargo, debido a que el rango de imágenes del endoscopio está limitado porque la sonda es demasiado pequeña, la ampliación de la imagen no se puede combinar con el campo de visión y la imagen bidimensional del individuo no se puede asociar con la estructura tridimensional. en el campo de visión actual, lo que limita su uso en enfermedades. Estudios cuantitativos o longitudinales de fisiología o detección de cáncer. Teniendo como objetivo los problemas anteriores, este artículo propone un método de reconstrucción de escenas 3D basado en imágenes cistoscópicas secuenciales. Los contenidos principales incluyen las siguientes partes: 1. Teniendo como objetivo el problema de que el método de calibración tradicional no se puede aplicar en la vejiga humana, se adopta un algoritmo de autocalibración del endoscopio basado en la ecuación de Kruppa. De acuerdo con las propiedades de proyección de la curva cuadrática absoluta, se establece un bloque de calibración virtual y se calcula la matriz de parámetros internos del endoscopio para completar la calibración del endoscopio. 2. Se toman una serie de pasos de preprocesamiento para las imágenes originales con baja calidad, iluminación desigual y muchos ruidos captados por el endoscopio. En primer lugar, la región de interés (ROI) de la imagen de la vejiga se extrae mediante el método de máscara, la imagen ROI se convierte del espacio de color RGB al espacio de color LAB, y la mejora del color se lleva a cabo mediante el uso de un algoritmo de ecualización de histograma adaptativo de contraste limitado. Finalmente, se adopta el algoritmo de interpolación bilineal. acelerar. Al comparar el número de esquinas características de las imágenes de la vejiga antes y después del preprocesamiento, se verifica la efectividad y la superioridad del algoritmo de preprocesamiento en este documento. 3. La nube de puntos tridimensional de la vejiga se recupera mediante el algoritmo de estructura de recuperación de movimiento incremental. En primer lugar, se usa el algoritmo SIFT para extraer y hacer coincidir las características de la imagen de la vejiga preprocesada, y se usa un algoritmo de eliminación de coincidencias falsas RANSAC con un umbral de terminación adaptativo mejorado. Los tiempos de muestreo evitan el problema de que los tiempos de muestreo y las condiciones de terminación del algoritmo RANSAC tradicional son difíciles de determinar. Posteriormente, la nube de puntos 3D y la pose de cámara de la imagen inicial se recuperan utilizando restricciones geométricas epipolares y el método del triángulo, los pares de cámaras se agregan gradualmente en secuencia y los parámetros se optimizan mediante el método de ajuste del haz para recuperar la nube de puntos 3D y la superficie interna de la vejiga. La trayectoria del espéculo. Al reconstruir la escena 3D de los datos del modelo de vejiga y los datos clínicos estándar, los resultados experimentales muestran que el error de reproyección promedio después de la reconstrucción es inferior a un píxel (2.072.0? y 2.068.0? píxeles), lo que demuestra que el algoritmo propuesto es sexual factible.
