评估 YOLACT++ 用于内窥镜手术中医疗器械的实时鲁棒实例分割
计算机视觉与模式识别
2022-01-21 v2 人工智能
摘要
基于图像的腹腔镜器械跟踪在计算机和机器人辅助手术中发挥着基础作用，可辅助外科医生并提高患者安全性。计算机视觉竞赛，如鲁棒医疗器械分割（ROBUST-MIS）挑战赛，旨在鼓励为此目的开发鲁棒模型，提供大型、多样且带标注的数据集。迄今为止，大多数现有的医疗器械实例分割模型都基于两阶段检测器，其提供鲁棒的结果，但远未达到实时（最多 5 帧每秒（fps））。然而，为了使该方法具有临床适用性，除了高精度外，实时能力也是极其必要的。在本文中，我们提出在 YOLACT 架构中添加注意力机制，从而在 ROBUST-MIS 数据集上以更高的精度实现器械的实时实例分割。我们提出的方法在鲁棒性分数方面与 2019 年 ROBUST-MIS 挑战赛的冠军相比具有竞争力，获得了 0.313 的 MI_DSC 和 0.338 的 MI_NSD，同时实现了实时性能（37 fps）。
引用
@article{arxiv.2103.15997,
title = {Assessing YOLACT++ for real time and robust instance segmentation of medical instruments in endoscopic procedures},
author = {Juan Carlos Angeles Ceron and Leonardo Chang and Gilberto Ochoa-Ruiz and Sharib Ali},
journal= {arXiv preprint arXiv:2103.15997},
year = {2022}
}
备注
Preprint under review for EMBC 2021 following IEEE guidelines