ToolNet：机器人手术工具的整体嵌套实时分割

从内窥镜视频中实时分割工具是许多计算机辅助机器人手术系统的重要组成部分，对机器人手术数据科学至关重要。我们提出了两种新颖的深度学习架构，用于非刚性手术器械的自动分割。两种方法均利用基于深度学习的自动化多尺度特征提取，同时试图在所有分辨率下保持准确的分割质量。这两种提出的方法将多尺度约束编码在网络架构内部。第一种提出的架构通过预测的级联聚合来强制执行该约束，第二种提出的网络则通过整体嵌套架构来实现，其中优化过程考虑了每个尺度的损失。由于所提方法用于实时语义标注，两者均具有较少的参数量。我们提出在这些小型架构中使用参数化修正线性单元进行语义标注，以增强设计的正则化能力，并在不使训练集过拟合的情况下保持分割精度。我们将所提架构与最先进的全卷积网络进行了比较。我们使用现有的基准数据集验证了我们的方法，包括包含仿真组织的离体场景以及场景中存在的不同机器人手术器械。结果显示，与以往的器械分割方法相比，我们的 Dice 相似系数有统计学上的显著提升。我们分析了我们的设计选择，并讨论了提高准确性的关键驱动因素。