利用运动学信息的自监督手术器械分割
机器人学
2019-02-14 v1
摘要
内镜图像中的手术器械分割是面向具有挑战性的微创外科手术中位姿估计与(子)任务自动化的第一步。尽管文献中许多方法利用卷积神经网络等现代机器学习方法展示了优异结果,其主要瓶颈在于获取大量手动标注图像以实现高效学习。在手术场景下尤为如此,因为患者间的差异损害了整体泛化能力。为应对标注数据的匮乏,我们在机器人辅助场景下提出一种自监督方法。据我们所知,所提方法是首个利用机器人运动学模型来生成训练标签的方法。本文的核心贡献是提出一种优化方法,以在未知手眼标定与不精确运动学模型下获得良好的训练标签。这些标签随后可用于微调全卷积神经网络以进行逐像素分类。因此,无需一张手动标注图像即可在内镜图像中分割该器械。在使用柔性机器人化内镜系统获取的体模与体内数据集上的实验结果非常有前景。
引用
@article{arxiv.1902.04810,
title = {Self-Supervised Surgical Tool Segmentation using Kinematic Information},
author = {Cristian da Costa Rocha and Nicolas Padoy and Benoit Rosa},
journal= {arXiv preprint arXiv:1902.04810},
year = {2019}
}
备注
Accepted for IEEE ICRA 2019