基于注意力与多尺度特征融合的手术器械实时实例分割
图像与视频处理
2021-11-11 v2 计算机视觉与模式识别
摘要
精确的器械分割有助于外科医生更轻松地导航人体并提高患者安全性。虽然手术器械的实时准确跟踪在微创计算机辅助手术中起着关键作用，但由于1)复杂的手术环境和2)兼具最优精度与速度的模型设计，这是一项具有挑战性的任务。深度学习使我们能够从大型手术场景环境及这些器械在真实世界场景中的摆放中学习复杂环境。鲁棒医疗器械分割2019挑战赛(ROBUST-MIS)提供了超过10,000帧处于不同临床环境中的手术工具图像。在本文中，我们采用轻量级单阶段实例分割模型，并辅以卷积块注意力模块，以实现更快且准确的推理。我们通过数据增强和最优锚点定位策略进一步提高了精度。据我们所知，这是首个明确关注实时性能与精度提升的工作。我们的方法在ROBUST-MIS挑战赛中超越了顶尖团队的表现，在基于区域的指标MI_DSC和基于距离的指标MI_NSD上均有超过44%的提升。我们还展示了实时性能(> 60帧每秒)以及我们最终方法的不同但具竞争力的变体。
引用
@article{arxiv.2111.04911,
title = {Real-time Instance Segmentation of Surgical Instruments using Attention and Multi-scale Feature Fusion},
author = {Juan Carlos Angeles-Ceron and Gilberto Ochoa-Ruiz and Leonardo Chang and Sharib Ali},
journal= {arXiv preprint arXiv:2111.04911},
year = {2021}
}