論文簡(jiǎn)介：

在微創(chuàng)外科手術(shù)中，內(nèi)鏡機(jī)器人的精準(zhǔn)導(dǎo)航是提升手術(shù)精度、保障患者安全的核心。而精準(zhǔn)導(dǎo)航的關(guān)鍵，在于獲取可靠的三維深度信息 —— 但內(nèi)鏡環(huán)境下的弱紋理組織、鏡面反射等問(wèn)題，一直讓深度估計(jì)成為技術(shù)難題?，F(xiàn)有方法要么依賴(lài)難以獲取的稠密標(biāo)注數(shù)據(jù)，要么在復(fù)雜內(nèi)鏡場(chǎng)景中魯棒性不足，稀疏深度重建的有效性大打折扣。

我們提出的EndoDDC方法，為內(nèi)鏡機(jī)器人導(dǎo)航的深度估計(jì)難題提供了創(chuàng)新解決方案。該方法通過(guò)融合圖像、稀疏深度信息與深度梯度特征，借助擴(kuò)散模型優(yōu)化深度圖，成功攻克弱紋理、光反射帶來(lái)的技術(shù)痛點(diǎn)。

主要貢獻(xiàn)：

• EndoDDC針對(duì)內(nèi)鏡場(chǎng)景量身設(shè)計(jì)稀疏到稠密重建框架，有效解決傳統(tǒng)微調(diào)方法對(duì)標(biāo)注數(shù)據(jù)的依賴(lài)，以及自監(jiān)督學(xué)習(xí)的尺度模糊問(wèn)題，僅通過(guò) RGB 圖像和稀疏深度圖即可輸出精準(zhǔn)稠密深度圖。

• 創(chuàng)新引入深度梯度融合模塊，通過(guò)卷積門(mén)控循環(huán)單元（ConvGRU）迭代處理深度值與梯度信息，為重建過(guò)程提供精準(zhǔn)幾何引導(dǎo)，大幅提升弱紋理區(qū)域的重建精度。

• 提出基于深度梯度的條件擴(kuò)散模型，以初始粗深度圖為起點(diǎn)，利用深度梯度特征約束去噪過(guò)程，迭代優(yōu)化深度值，確保重建結(jié)果的全局一致性與物理合理性。

• 在 C3VD 和 StereoMIS 兩大公開(kāi)內(nèi)鏡數(shù)據(jù)集上完成全面驗(yàn)證，所有評(píng)估指標(biāo)（RMSE、MAE、REL、δ 準(zhǔn)確率）均超越當(dāng)前 SOTA 方法。相較于最優(yōu)深度補(bǔ)全模型 OGNI-DC，C3VD 數(shù)據(jù)集上 RMSE 降低 5.28%、MAE 降低 7.84%；即使面對(duì) 50~50000 不同稀疏度的輸入，仍能穩(wěn)定輸出高質(zhì)量稠密深度圖。