Los puntos clave no están disponibles para este artículo en este momento.
La industria de la salud tiene una creciente necesidad de modelado realista y simulación eficiente de escenas quirúrgicas. Con modelos efectivos de escenas quirúrgicas deformables, los clínicos pueden llevar a cabo la planificación quirúrgica y la formación quirúrgica en escenarios cercanos a los casos del mundo real. Sin embargo, un desafío significativo para lograr tal objetivo es la escasez de modelos de tejidos blandos de alta calidad con formas y texturas precisas. Para abordar esta brecha, presentamos un marco basado en datos que aprovecha la tecnología emergente de campos de radiancia neural para habilitar reconstrucciones quirúrgicas de alta calidad y explorar su aplicación para simulaciones quirúrgicas. Primero nos enfocamos en desarrollar un enfoque rápido de reconstrucción 3D de escenas quirúrgicas basado en NeRF que logra un rendimiento de vanguardia. Este método puede superar significativamente a los métodos tradicionales de reconstrucción 3D, que no han logrado capturar grandes deformaciones y producir formas y texturas detalladas. Luego proponemos un pipeline automatizado para la creación de entornos de simulación quirúrgica interactivos a través de un algoritmo de extracción de malla cerrada. Nuestros experimentos han validado el rendimiento superior y la eficiencia de nuestro enfoque propuesto en la reconstrucción 3D de escenas quirúrgicas. Además, utilizamos nuestros tejidos blandos reconstruidos para realizar simulaciones FEM y MPM, mostrando la aplicación práctica de nuestro método en simulaciones quirúrgicas basadas en datos.
Wang et al. (Wed,) estudió esta cuestión.