ToolTipNet：基于分割驱动的外科仪器尖端检测深度学习基线
计算机视觉与模式识别
2025-04-15 v1
摘要
在机器人辅助腹腔镜前列腺切除术(RALP)中，仪器尖端的位置对于注册超声帧与腹腔镜相机帧至关重要。长期以来的一个局限性是，来自 da Vinci API 获取的仪器尖端位置不准确且需要手眼标定。因此，直接使用基于视觉的方法计算相机帧中工具尖端的位置变得吸引人。这一任务是其他任务（如外科技能评估和手术自动化）的关键组成部分。然而，这一任务由于工具尖端的小尺寸和外科仪器的关节运动而具有挑战性。随着分割基础模型（即 Segment Anything）的出现，外科仪器分割变得相对容易。基于这一进展，我们探索了以部分级仪器分割掩码为输入的基于深度学习的外科仪器尖端检测方法。与手工设计的图像处理方法进行比较实验表明，所提出的方法在模拟数据集和真实数据集上均表现出优势。
引用
@article{arxiv.2504.09700,
title = {ToolTipNet: A Segmentation-Driven Deep Learning Baseline for Surgical Instrument Tip Detection},
author = {Zijian Wu and Shuojue Yang and Yueming Jin and Septimiu E Salcudean},
journal= {arXiv preprint arXiv:2504.09700},
year = {2025}
}