机器人辅助手术中器械追踪时学习注视位置
计算机视觉与模式识别
2019-07-02 v1
摘要
在手术中追踪器械时引导任务特定注意力在机器人辅助介入中具有巨大潜力。为此，我们提出一种端到端可训练的多任务学习（MTL）模型，用于实时手术器械分割与注意力预测。我们的模型设计为权重共享编码器与两个面向任务的解码器，并针对联合任务进行优化。我们引入批量 Wasserstein（bW）损失并构建软注意力模块以精炼区分性视觉区域用于高效显著性学习。对于多任务优化，在同一轮次中使两任务均收敛一直具有挑战性。我们通过采用‘poly’损失权重与两阶段训练来解决该问题。我们进一步提出一种在 MICCAI 机器人器械分割数据集上生成任务感知显著性图与器械扫描路径的新方法。与最先进的分割与显著性模型相比，我们的模型在大多数评价指标上更优。
引用
@article{arxiv.1907.00214,
title = {Learning Where to Look While Tracking Instruments in Robot-assisted Surgery},
author = {Mobarakol Islam and Yueyuan Li and Hongliang Ren},
journal= {arXiv preprint arXiv:1907.00214},
year = {2019}
}
备注
This work is accepted in MICCAI 2019