内窥镜视频流中肾结石的分割
图像与视频处理
2022-05-02 v1 计算机视觉与模式识别
摘要
随着近期发展令深度学习的潜在应用激增，图像分割在医疗场景中日益得到应用。具体而言，泌尿学是一门已准备好采用实时图像分割系统的医学领域，其长期目标是实现内窥镜碎石治疗的自动化。在本项目中，我们探索了有监督深度学习模型，以标注手术内窥镜视频流中的肾结石。本文描述了我们如何从原始视频构建数据集，以及如何开发流程以尽可能自动化该过程。对于分割任务，我们改编并分析了三种基线深度学习模型——U-Net、U-Net++ 和 DenseNet——以在内窥镜视频帧上预测标注，最高准确率超过 90%。为展示实时使用的临床潜力，我们还确认最佳训练模型能以每秒 30 帧准确标注新视频。我们的结果表明所提方法证明了对输尿管镜视频流标注的图像分割持续开发与研究的合理性。
引用
@article{arxiv.2204.14175,
title = {Segmentation of kidney stones in endoscopic video feeds},
author = {Zachary A Stoebner and Daiwei Lu and Seok Hee Hong and Nicholas L Kavoussi and Ipek Oguz},
journal= {arXiv preprint arXiv:2204.14175},
year = {2022}
}
备注
Published in SPIE Medical Imaging: Image Processing 2022 (9 pages, 5 figures, 1 table)