基于深度学习的关节镜多光谱场景分割
图像与视频处理
2024-09-04 v1 计算机视觉与模式识别
机器人学
摘要
膝关节镜是一种用于治疗膝关节疾病的微创外科（MIS）手术。由微型摄像机获取的手术部位视觉信息匮乏，使该手术更为复杂。膝关节腔空间十分受限，因此手术场景为近距离拍摄。膝关节图谱的上下文信息微弱常使其难以辨识，从而导致无意的组织损伤频发，并呈现出较长的新医生培训周期。通过手术部位标注实现自动上下文感知可成为缓解上述缺陷的替代方案。然而，既往研究证实手术部位存在若干局限，其中包括纹理与特征等判别性上下文信息的缺乏，这极大限制了该视觉任务。此外，欠佳的成像条件与准确真值标签的缺失也制约了精度。为缓解膝关节镜的这些局限，本工作提出一种可成功分割多结构的场景分割方法。
引用
@article{arxiv.2103.02465,
title = {Arthroscopic Multi-Spectral Scene Segmentation Using Deep Learning},
author = {Shahnewaz Ali and Yaqub Jonmohamadi and Yu Takeda and Jonathan Roberts and Ross Crawford and Cameron Brown and Ajay K. Pandey},
journal= {arXiv preprint arXiv:2103.02465},
year = {2024}
}