动态手术场景中用于腹腔镜相机运动提取的深度单应性估计
图像与视频处理
2022-02-25 v2 计算机视觉与模式识别
摘要
当前的腹腔镜相机运动自动化依赖于基于规则的方法或仅关注手术器械。模仿学习（IL）方法可缓解这些不足，但迄今仅应用于过度简化的设置。与从过度简化设置中提取动作不同，本工作引入一种方法，可从腹腔镜干预视频中提取腹腔镜持镜者的动作。我们通过一种新颖的单应性生成算法，向新采集的无相机运动 da Vinci 手术图像序列数据集合成添加相机运动。该合成相机运动作为对物体与器械运动不变的相机运动估计的监督信号。我们对最先进（SOTA）深度神经网络（DNNs）在多种计算条件下进行了广泛评估，发现我们的方法能从无相机运动的 da Vinci 手术数据集迁移到腹腔镜干预视频，在精度上超越经典单应性估计方法 41%，在 CPU 上运行时间减少 43%。
引用
@article{arxiv.2109.15098,
title = {Deep Homography Estimation in Dynamic Surgical Scenes for Laparoscopic Camera Motion Extraction},
author = {Martin Huber and Sébastien Ourselin and Christos Bergeles and Tom Vercauteren},
journal= {arXiv preprint arXiv:2109.15098},
year = {2022}
}
备注
Accepted for publication in 2021 AE-CAI Special Issue of the Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization