使用深度神经网络在全膝关节置换术中实时识别手术器械
计算机视觉与模式识别
2018-06-07 v1
摘要
全膝关节置换术（TKA）是一种常用手术，用于减轻膝关节炎患者的膝关节疼痛并改善功能。该手术因各阶段使用不同手术器械而复杂。实时识别手术器械可简化外科医生的手术流程。此外，手术中器械的存在与运动对于识别操作阶段和确定手术工作流是关键信息。因此，本研究提出开发一种利用卷积神经网络（CNN）在手术中实时识别手术器械的系统。佩戴智能眼镜的外科医生可在手术中看到关于器械的重要信息，从而降低手术操作的复杂性。为评估所提方法的性能，我们计算并将平均精度均值（MAP）与现有最优方法 fast R-CNN 和可变形部件模型（DPM）进行比较。我们取得了 87.6% 的 mAP，优于现有方法。随着所提方法的进一步改进，它可作为未来的参考点，也是操作阶段识别的基线。
引用
@article{arxiv.1806.02031,
title = {Real-time Surgical Tools Recognition in Total Knee Arthroplasty Using Deep Neural Networks},
author = {Moazzem Hossain and Soichi Nishio and Takafumi Hiranaka and Syoji Kobashi},
journal= {arXiv preprint arXiv:1806.02031},
year = {2018}
}
备注
Accepted in ICIEV 2018 conference