SurgPIS：面向弱监督部件感知实例分割的手术器械级实例与部件级语义
计算机视觉与模式识别
2025-07-29 v1
摘要
一致的手术器械分割对于机器人辅助手术中的自动化至关重要。然而，现有方法仅分别处理器械级实例分割（IIS）或部件级语义分割（PSS），这些任务之间缺乏交互。在本工作中，我们将手术工具分割表述为一个统一的部件感知实例分割（PIS）问题，并引入了 SurgPIS，这是首个针对手术器械的 PIS 模型。我们的方法采用基于 Transformer 的掩码分类途径，并引入了源自器械级对象查询的部件特定查询，从而将部件与其父器械实例显式关联。为解决缺乏同时具备实例级与部件级标签的大规模数据集的问题，我们为 SurgPIS 提出了一种弱监督学习策略，以从分别针对 IIS 或 PSS 标注的互不相交的数据集中学习。在训练期间，我们将 PIS 预测聚合为 IIS 或 PSS 掩码，从而允许我们针对部分标注的数据集计算损失。我们开发了一种师生方法，以在部分标注数据中缺失 PIS 信息（例如，IIS 标注数据中的部件信息）的情况下保持预测一致性。跨多个数据集的大量实验验证了 SurgPIS 的有效性，在 PIS 以及 IIS、PSS 和器械级语义分割中均达到了 state-of-the-art 性能。
引用
@article{arxiv.2507.19592,
title = {SurgPIS: Surgical-instrument-level Instances and Part-level Semantics for Weakly-supervised Part-aware Instance Segmentation},
author = {Meng Wei and Charlie Budd and Oluwatosin Alabi and Miaojing Shi and Tom Vercauteren},
journal= {arXiv preprint arXiv:2507.19592},
year = {2025}
}