编辑推荐：
针对传统内镜图像低纹理、光照不均等问题，研究人员开展单目医学内镜图像深度估计研究，提出基于窗口自适应非对称双分支孪生网络的方法。实验表明该方法在多数据集上性能优越，为临床应用提供新可能。
在医学微创手术中，内镜是医生观察体内结构的重要工具，但传统内镜图像常面临低纹理、光照不均匀等难题，严重影响手术精度与诊断准确性。如何从二维内镜图像中精准获取三维深度信息，成为提升微创手术安全性与效率的关键瓶颈。在此背景下，天津仁爱学院、河北工业大学等国内研究机构的学者开展了深入研究，相关成果发表于《Scientific Reports》。
研究团队提出一种基于窗口自适应非对称双分支孪生网络（Siamese Network）的单目医学内镜图像深度估计方法。该方法通过两个分支分别处理全局图像信息与局部细节，在分支末端引入改进的轻量级挤压激励（SE）模块，利用自注意力动态调整通道权重，并通过轻量级交叉注意力特征融合模块实现跨分支特征交互，增强网络的整体特征表达能力。研究采用多个公开数据集（包括医学数据集 EAD2019、Hamlyn、M2caiSeg、UCL 和非医学数据集 NYUDepthV2）进行实验，验证了方法的有效性。
关键技术方法
研究主要采用自监督学习框架，无需人工标注的深度标签，通过构建图像间的几何约束实现深度估计。网络架构包含全局分支与局部分支：全局分支使用较深卷积层和全局池化提取整体结构与光照信息，局部分支通过浅卷积层和可变形卷积捕捉纹理、边缘等细节。此外，引入窗口自适应机制，根据局部纹理和光照动态调整注意力窗口大小，并结合稀疏注意力（Sparse Attention）减少计算冗余。损失函数设计融合光度不变损失（Lphoto）、梯度损失（Lgrad）和可变形图像匹配损失（Ldeform），提升模型对复杂场景的适应性。
研究结果
消融实验
通过逐步移除网络组件（如单独使用全局或局部分支、调整卷积层数），验证了双分支结构的必要性。结果表明，同时使用全局与局部分支时，深度估计误差（如 RMSE、AbsRel）显著低于单分支模型，且随着卷积层数增加（1-3 层），模型精度逐步提升，但计算耗时也相应增加，需在精度与效率间权衡。
对比实验
与传统方法（如 DFF）和最新深度学习方法（如 IndoorDepth、MonoIndoor、DistDepth）相比，该方法在多个数据集上均表现出更优性能。例如，在 EAD2019 数据集上，RMSE 降低 4.56%，AbsRel 降低 2.38%；在 UCL 合成数据集上，RMSE 和 AbsRel 分别降低 6.16% 和 6.15%。定性结果显示，该方法生成的深度图边缘更清晰，对非刚性结构（如软组织）的深度刻画更准确。
临床应用验证
将深度估计结果与临床 CT 图像进行配准，结果表明该方法提取的深度特征与 CT 图像中的器官边界匹配良好，验证了其在医学影像融合与手术导航中的潜力。特别是在光照不均和低纹理区域，该方法仍能保持较高的深度估计精度，优于对比方法。
结论与讨论
本研究提出的窗口自适应非对称双分支孪生网络，有效解决了传统内镜图像深度估计中光照不均、纹理缺失和非刚性变形等挑战。通过全局 - 局部特征分离、自适应注意力机制和多损失函数优化，模型在精度与效率间取得平衡，且在跨数据集泛化能力上表现优异。与 CT 图像的配准实验进一步凸显了其临床转化价值，为微创手术导航、多模态影像融合等提供了新的技术路径。尽管在极复杂场景下仍有优化空间，但该方法为内镜图像的智能化分析奠定了基础，有望推动人工智能在精准医疗中的实际应用。
