基于区域卷积神经网络的外科手术视频中器械检测与操作技能评估
计算机视觉与模式识别
2018-07-25 v2
摘要
全球有 50 亿人无法获得优质外科治疗。外科医生的技术水平差异巨大，许多手术患者遭受并发症和可避免的伤害。改善外科培训与反馈有助于降低并发症发生率，其中半数已被证明是可预防的。为此，对操作技能进行评估至关重要，而这一过程目前依赖专家，且手工、耗时且主观。本工作中，我们引入一种通过跟踪并分析手术视频中器械运动来自动评估外科医生表现的方法，该方法利用了区域卷积神经网络。为研究此问题，我们还引入了一个新数据集 m2cai16-tool-locations，它在 m2cai16-tool 数据集基础上扩展了器械的空间边界。先前方法仅解决器械存在性检测，而我们的方法首次不仅检测存在性，还在真实腹腔镜手术视频中对手术器械进行空间定位。我们表明，我们的方法既能有效检测器械的空间边界，又在器械存在性检测上显著优于现有方法。我们进一步证明了通过分析器械使用模式、运动范围和运动经济性来评估手术质量的能力。
引用
@article{arxiv.1802.08774,
title = {Tool Detection and Operative Skill Assessment in Surgical Videos Using Region-Based Convolutional Neural Networks},
author = {Amy Jin and Serena Yeung and Jeffrey Jopling and Jonathan Krause and Dan Azagury and Arnold Milstein and Li Fei-Fei},
journal= {arXiv preprint arXiv:1802.08774},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1806.02031 by other authors