基于运动边界的低质量光流下无监督手术器械分割
计算机视觉与模式识别
2025-03-27 v2 人工智能
摘要
无监督视频式手术器械分割具有通过减少对手动标注的依赖来加快机器人辅助手术采纳的潜力。然而，内窥镜录像中光流的普遍低质量为依赖运动线索的无监督方法带来了很大的挑战。为克服这一限制，我们提出了一种新方法，聚焦运动边界（即流变化突变的区域），同时选择性地丢弃全局光流质量较低的帧，并适应不同运动模式的变化。在EndoVis2017 VOS和EndoVis2017挑战数据集上的实验表明，我们的方法分别实现了0.75和0.72的平均交并比（mIoU）得分，有效缓解了次优光流所施加的约束，为临床环境中更具可扩展性和鲁棒性的手术器械分割解决方案提供了可能。该代码将公开发布。
关键词
引用
@article{arxiv.2403.10039,
title = {Motion-Boundary-Driven Unsupervised Surgical Instrument Segmentation in Low-Quality Optical Flow},
author = {Yang Liu and Peiran Wu and Jiayu Huo and Gongyu Zhang and Zhen Yuan and Christos Bergeles and Rachel Sparks and Prokar Dasgupta and Alejandro Granados and Sebastien Ourselin},
journal= {arXiv preprint arXiv:2403.10039},
year = {2025}
}