基于深度学习的机器人辅助吻合多阶段缝线检测
计算机视觉与模式识别
2017-11-10 v1
摘要
在机器人手术中,任务自动化与从示范中学习并结合人类监督是许多新型手术机器人平台的新兴趋势。其中一项任务是自动化吻合,它需要双手针操作与缝线检测。由于手术环境的复杂性和患者解剖结构的差异,可靠的缝线检测十分困难,而遮挡与线拓扑进一步使其复杂化。本文提出一种基于深度学习的多阶段缝线检测框架。使用全卷积神经网络获取缝线线程的初始检测与重叠状态,随后将其与原图融合以学习线程的梯度路线图。基于梯度路线图,提取线程的多个片段并使用曲线结构检测器连接成完整线程。在两类不同缝线上的实验证明了所提框架的准确性。
引用
@article{arxiv.1711.03179,
title = {Multi-stage Suture Detection for Robot Assisted Anastomosis based on Deep Learning},
author = {Yang Hu and Yun Gu and Jie Yang and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:1711.03179},
year = {2017}
}
备注
Submitted to ICRA 2018