LapTool-Net：基于循环卷积神经网络的腹腔镜视频手术器械上下文检测器
计算机视觉与模式识别
2019-05-23 v1 机器学习
摘要
我们提出一种称为 LapTool-Net 的新多标签分类器，用于检测腹腔镜视频每帧中手术器械的存在。LapTool-Net 的新颖之处在于利用了不同器械使用之间以及器械与任务之间——即器械使用的上下文——的相关性。为此，利用器械共现中的模式来设计基于循环卷积神经网络（RCNN）架构的多标签分类器决策策略，以同时提取时空特征。与以往多标签分类方法不同，RCNN 与决策模型通过多任务学习方案以端到端方式训练。为克服训练数据缺乏多样性导致的高不平衡并避免过拟合，基于更频繁的组合选择了高下采样率。此外，在后处理步骤中，通过设计双向 RNN 对所有视频帧的预测进行校正以建模长期任务顺序。LapTool-Net 使用公开可用的腹腔镜胆囊切除术数据集训练。结果表明，即使使用更少的训练样本与更浅的架构，LapTool-Net 仍显著优于现有方法。
引用
@article{arxiv.1905.08983,
title = {LapTool-Net: A Contextual Detector of Surgical Tools in Laparoscopic Videos Based on Recurrent Convolutional Neural Networks},
author = {Babak Namazi and Ganesh Sankaranarayanan and Venkat Devarajan},
journal= {arXiv preprint arXiv:1905.08983},
year = {2019}
}
备注
18 pages, 4 figures, Submitted to Medical Image Analysis