基于空间解耦特征学习的鼻状气管插管实时 glottis 检测框架
计算机视觉与模式识别
2026-03-10 v1
摘要
鼻状气管插管（NTI）是紧急气道管理中的关键程序，快速准确的 glottis 检测对确保患者安全至关重要。然而，现有的机器人辅助视觉检测系统常依赖高性能计算资源，存在显著推理延迟，限制了其在时间关键和资源受限场景中的应用。为克服这些限制，我们提出了 Mobile GlottisNet，一个轻量且高效的 glottis 检测框架，旨在实现嵌入式和边缘设备上的实时推理。该模型融合结构感知和空间对齐机制，支持在复杂解剖和视觉条件下实现可靠的 glottis 定位。我们实现了分层动态阈值策略以增强样本分配，引入基于可变形卷积的自适应特征解耦模块以支持动态空间重构。进一步的跨层动态加权方案促进了来自多个尺度的语义特征和细节特征的融合。实验结果表明，该模型在我们自建的 PID 数据集和临床数据集上的大小仅为 5MB，分别在设备和边缘平台上实现 62 FPS 和 33 FPS 的推理速度，显示出在紧急 NTI 应用中具有巨大的潜力。
关键词
引用
@article{arxiv.2603.07630,
title = {Real-Time Glottis Detection Framework via Spatial-decoupled Feature Learning for Nasal Transnasal Intubation},
author = {Jinyu Liu and Gaoyang Zhang and Yang Zhou and Ruoyi Hao and Yang Zhang and Hongliang Ren},
journal= {arXiv preprint arXiv:2603.07630},
year = {2026}
}
备注
15 pages, 7 figures