基于相位信息的手术小切口植物镜分割
计算机视觉与模式识别
2024-12-04 v2
摘要
植物镜手术是全球最常见的手术程序，在发展中国家的负担相对更高。虽然已探索了一般外科手术的自动化视频分析，但其在眼科程序中的应用仍有限。现有工作主要关注 Phaco 植物镜手术，这是一种高成本技术，难以在植物镜治疗需求最大的地区实现。相较之下，Manual Small-Incision Cataract Surgery（MSICS）是高压力环境和复杂病例中首选的低成本、快速替代方案。然而，目前尚无 MSICS 的数据集。为填补这一空白，我们引入 Sankara-MSICS，首个包含 53 例手术视频的综合数据集，标注了 18 个手术阶段和 3,527 帧的 13 种手术工具的像素级标注。我们在该数据集上对 state-of-the-art 模型进行基准测试，并提出 ToolSeg，一种新框架，通过引入相位条件解码器和利用来自基础模型的伪标签实现的简单而有效的半监督设置来增强工具分割。我们的方法显著提高了分割性能，在平均 Dice 得分上实现了 至 的提升，尤其对那些不常见且较小的工具提升尤为显著。此外，我们展示了 ToolSeg 能推广到其他手术环境，展示了其在 CaDIS 数据集上的有效性。
引用
@article{arxiv.2411.16794,
title = {Phase-Informed Tool Segmentation for Manual Small-Incision Cataract Surgery},
author = {Bhuvan Sachdeva and Naren Akash and Tajamul Ashraf and Simon Mueller and Thomas Schultz and Maximilian W. M. Wintergerst and Niharika Singri Prasad and Kaushik Murali and Mohit Jain},
journal= {arXiv preprint arXiv:2411.16794},
year = {2024}
}