MEDICINE & AI

タイトル：Target-specified reference-based deep learning network for joint image deblurring and resolution enhancement in surgical zoom lens camera calibration 雑誌名：Comput Biol Med. 2024 Dec; 183: 109309. 概　要： 本研究は、手術ナビゲーションのための正確なカメラキャリブレーションを実現するために、手術顕微鏡で撮影されたチェッカーボード画像のぼやけと解像度を同時に向上させるターゲット特化型深層学習ネットワークを提案します。高倍率の顕微鏡で撮影された画像は、焦点深度が狭いためにぼやけや解像度の制限によるアーチファクトが発生し、キャリブレーションの精度に影響を与えます。提案手法は、これらの問題を解決し、手術用ズームレンズカメラのキャリブレーションを改善することを目的としています。 方　法： 提案するネットワークは、カメラキャリブレーションに使用されるチェッカーボード画像の強化を目的としたエンドツーエンドの畳み込み深層ニューラルネットワークです。ネットワークは対称的なアーキテクチャを持ち、エンコーディング層の特徴をデコーディング層の出力と統合します。また、サブピクセル動き推定と理想的な参照画像を含むマルチフレームフレームワークを統合することで、共同画像デブラーリングと解像度向上を効率的に実現しました。 結　果： 実験比較により、提案手法が手術顕微鏡キャリブレーションの主観的および客観的性能を改善できることを確認しました。さらに、提案手法による強化画像でのキャリブレーションから得られた拡張現実の重なり率は、従来の手法よりも高いことが示されました。 結　論： 提案したネットワークは、ぼやけた低解像度の入力から鮮明な高解像度画像を提供し、手術顕微鏡画像を用いたカメラキャリブレーションにおいて優れた性能を示しました。これにより、実用的な手術ナビゲーションの分野での応用の可能性が示唆されます。