探索用于腹腔镜实时手术器械分割的深度学习方法
图像与视频处理
2021-08-04 v2 计算机视觉与模式识别
摘要
微创手术是一种用于检查腹腔内器官的手术介入方式，因其优于开放手术的有效性而得到广泛应用。由于高清摄像头等硬件改进，该手术过程已显著改善，且新软件方法已展现出计算机辅助手术的潜力。然而，在这些手术过程中，仍存在改进器械位置检测与跟踪的挑战和需求。为此，我们评估并比较了一些可用于腹腔镜手术器械自动分割的流行深度学习方法，这是器械跟踪的重要一步。我们的实验结果表明，双解码器注意力网络（DDANet）优于其他近期深度学习方法。在鲁棒医疗器械分割（ROBUST-MIS）挑战赛 2019 数据集上，DDANet 取得了 0.8739 的 Dice 系数和 0.8183 的平均交并比，并以每秒 101.36 帧的实时速度运行，这对此类手术至关重要。
引用
@article{arxiv.2107.02319,
title = {Exploring Deep Learning Methods for Real-Time Surgical Instrument Segmentation in Laparoscopy},
author = {Debesh Jha and Sharib Ali and Nikhil Kumar Tomar and Michael A. Riegler and Dag Johansen and Håvard D. Johansen and Pål Halvorsen},
journal= {arXiv preprint arXiv:2107.02319},
year = {2021}
}