Semantic-SuPer：一种用于内镜组织识别、重建与跟踪的语义感知手术感知框架
图像与视频处理
2023-02-21 v2 计算机视觉与模式识别
摘要
对手术场景的准确且鲁棒的跟踪与重建是迈向自主机器人手术的一项关键使能技术。现有的手术三维感知算法主要依赖几何信息，而我们提出同时利用通过图像分割算法从内镜视频推断出的语义信息。本文中，我们提出了一个新颖、全面的手术感知框架 Semantic-SuPer，它融合几何与语义信息以促进数据关联、三维重建及内镜场景的跟踪，惠及手术导航等下游任务。所提框架在具有组织变形的挑战性内镜数据上得到验证，展现出相对于我们的基线及若干其他最先进方法的优势。我们的代码与数据集发布于 https://github.com/ucsdarclab/Python-SuPer。
引用
@article{arxiv.2210.16674,
title = {Semantic-SuPer: A Semantic-aware Surgical Perception Framework for Endoscopic Tissue Identification, Reconstruction, and Tracking},
author = {Shan Lin and Albert J. Miao and Jingpei Lu and Shunkai Yu and Zih-Yun Chiu and Florian Richter and Michael C. Yip},
journal= {arXiv preprint arXiv:2210.16674},
year = {2023}
}
备注
IEEE International Conference on Robotics and Automation (ICRA) 2023