面向内窥镜视觉中更优手术器械分割：多角度特征聚合与轮廓监督
计算机视觉与模式识别
2020-08-12 v2
摘要
准确且实时的手术器械分割在机器人辅助手术的内窥镜视觉中十分重要，而器械-组织频繁接触与观测视角持续变化带来了显著挑战。针对这些挑战性任务，近年来设计了越来越多的深度神经网络（DNN）模型。我们旨在提出一种通用可嵌入方法，在不增加模型参数量的前提下改进现有 DNN 分割模型。首先，观察到 DNN 旋转不变性性能有限，我们提出多角度特征聚合（MAFA）方法，利用主动图像旋转获取更丰富视觉线索，使预测对器械方向变化更鲁棒。其次，在端到端训练阶段，利用辅助轮廓监督引导模型学习边界感知，从而使分割掩码的轮廓形状更精确。所提方法在源自外科医生操作的新型鼻窦手术数据集上通过消融实验验证，并在 da Vinci Xi 机器人采集的公共数据集上与现有方法比较。
引用
@article{arxiv.2002.10675,
title = {Towards Better Surgical Instrument Segmentation in Endoscopic Vision: Multi-Angle Feature Aggregation and Contour Supervision},
author = {Fangbo Qin and Shan Lin and Yangming Li and Randall A. Bly and Kris S. Moe and Blake Hannaford},
journal= {arXiv preprint arXiv:2002.10675},
year = {2020}
}
备注
Accepted by IEEE Robotics and Automation Letters