基于深度学习与跟踪的非刚性手术工具实时分割
计算机视觉与模式识别
2020-09-08 v1 人工智能
摘要
实时工具分割是计算机辅助手术系统中的一个重要组成部分。我们提出了一种基于全卷积网络（FCN）和光流跟踪的新型实时自动方法。我们的方法利用了深度神经网络对高度可变形部分产生精确分割的能力以及光流的高速特性。此外，预训练的FCN可以在少量医学图像上进行微调，而无需手工设计特征。我们使用现有和新的基准数据集验证了我们的方法，涵盖了使用不同手术器械的离体和在体真实临床案例。提出了该方法的两个版本：非实时和实时。前者仅使用深度学习，在真实临床数据集上达到了89.6%的平衡准确率，比（非实时）现有技术高出3.8个百分点。后者结合了深度学习与光流跟踪，在所有验证数据集上平均平衡准确率为78.2%。
引用
@article{arxiv.2009.03016,
title = {Real-Time Segmentation of Non-Rigid Surgical Tools based on Deep Learning and Tracking},
author = {Luis C. García-Peraza-Herrera and Wenqi Li and Caspar Gruijthuijsen and Alain Devreker and George Attilakos and Jan Deprest and Emmanuel Vander Poorten and Danail Stoyanov and Tom Vercauteren and Sébastien Ourselin},
journal= {arXiv preprint arXiv:2009.03016},
year = {2020}
}
备注
Accepted in CARE Workshop, held in conjunction with MICCAI 2016