LensID：一种基于CNN-RNN的白内障手术视频中晶状体异常检测框架
图像与视频处理
2021-07-05 v1 计算机视觉与模式识别
摘要
白内障手术后一个关键的并发症是人工晶状体脱位，导致视力恶化和眼外伤。为降低该并发症风险，关键在于在手术中发现危险因素。然而，利用大量视频研究晶状体脱位与其可疑危险因素之间的关系是一项耗时漫长的过程。因此，外科医生需要一种自动化方法，以实现更大规模并相应更可靠的研究。本文提出一种新颖的框架，作为迈向晶状体异常检测的重要一步。具体而言，我们提出（I）一个端到端循环神经网络以识别晶状体植入阶段，以及（II）一个新颖的语义分割网络以在植入阶段后分割晶状体和瞳孔。阶段识别结果揭示了所提手术阶段识别方法的有效性。此外，分割结果证实了所提分割网络相较于最先进（SOTA）竞争方法的有效性。
引用
@article{arxiv.2107.00875,
title = {LensID: A CNN-RNN-Based Framework Towards Lens Irregularity Detection in Cataract Surgery Videos},
author = {Negin Ghamsarian and Mario Taschwer and Doris Putzgruber-Adamitsch and Stephanie Sarny and Yosuf El-Shabrawi and Klaus Schoeffmann},
journal= {arXiv preprint arXiv:2107.00875},
year = {2021}
}
备注
13 pages, 5 figures, accepted at 24th international conference on Medical Image Computing & Computer Assisted Intervention (MICCAI 2021)