基于生成对抗网络与暗通道先验的腹腔镜手术 CO2 烟雾去除
医学物理
2019-09-30 v1 图像与视频处理
摘要
腹腔镜手术使用一种称为腹腔镜的带摄像头细管，在手术中经皮肤上小切口插入腹部。这使得外科医生能够在不对患者造成显著损伤的情况下看到身体内部。这些特点使腹腔镜成为一种被广泛使用的技术。在腹腔镜手术中，由组织解剖工具使用所引起的手术烟雾会严重降低图像质量，从而减少所观察器官与组织的可见性。这种可见性的缺乏增加了出错的可能性和手术时间，并可能对患者健康产生后果。本文中，我们提出一种新颖的计算烟雾去除混合方法，其基于广泛使用的去雾方法——暗通道先验（DCP）与一种像素到像素的神经网络方法——生成对抗网络（GAN）的组合。实验结果证明，所提方法在复原质量方面取得了优于 DCP 与 GAN 各自结果的表现，在合成图像测试集上获得了 25 的 PSNR 值与 0.88 的 SSIM 指数。
引用
@article{arxiv.1909.12314,
title = {Laparoscopy Surgery CO2 Removal via Generative Adversary Network and Dark Channel Prior},
author = {Sebastián Salazar-Colores and Hugo Alberto-Moreno and Gerardo Flores and César Javier Ortiz-Echeverri},
journal= {arXiv preprint arXiv:1909.12314},
year = {2019}
}
备注
in Spanish