RASNet：基于精细化注意力分割网络的外科手术视频中手术器械追踪分割
计算机视觉与模式识别
2019-09-20 v2
摘要
用于追踪手术器械的分割在机器人辅助手术中起着重要作用。手术器械的分割有助于捕获准确空间信息以进行追踪。本文提出一种新颖的网络——精细化注意力分割网络（Refined Attention Segmentation Network），用于同时分割手术器械并识别其类别。采用了在分割中流行的U形网络。与先前工作不同，我们引入注意力模块以帮助网络聚焦于关键区域，从而提升分割精度。为解决类别不平衡问题，采用交叉熵损失与Jaccard指数对数的加权和作为损失函数。此外，我们的网络采用了迁移学习。编码器在ImageNet上进行了预训练。使用来自MICCAI EndoVis Challenge 2017的数据集来评估我们的网络。基于该数据集，我们的网络取得了最先进的性能：94.65%平均Dice和90.33%平均IOU。
引用
@article{arxiv.1905.08663,
title = {RASNet: Segmentation for Tracking Surgical Instruments in Surgical Videos Using Refined Attention Segmentation Network},
author = {Zhen-Liang Ni and Gui-Bin Bian and Xiao-Liang Xie and Zeng-Guang Hou and Xiao-Hu Zhou and Yan-Jie Zhou},
journal= {arXiv preprint arXiv:1905.08663},
year = {2019}
}
备注
This paper has been accepted by 2019 41st Annual International Conference of the IEEE Engineering in Medicine &Biology Society (EMBC)