面向腹腔镜手术数据科学应用的不确定性感知器官分类
计算机视觉与模式识别
2018-10-22 v2
摘要
目的：手术数据科学正发展为一个研究领域，旨在观察治疗过程中及其周围发生的一切，以提供情境感知的数据驱动辅助。在内窥镜视频分析中，准确分类摄像机视野内的器官构成一项技术挑战。本文提出一种新的解剖结构分类与图像标记方法，其内在置信度度量能够以高可靠性估计自身性能，并可应用于 RGB 和多光谱成像（MI）数据。方法：利用基于纹理和反射信息的超像素分类策略进行器官识别。通过分析类别概率的离散度来估计分类置信度。通过一项包含七头猪的全面在体研究对所提技术进行评估。结果：在图像标记应用中，引入置信度度量后，我们的实验平均准确率从 65%（RGB）和 80%（MI）分别提升至 90%（RGB）和 96%（MI）。结论：结果表明，置信度度量对分类准确率有显著影响，且 MI 数据比 RGB 数据更适合解剖结构标记。意义：本研究通过引入置信度度量的使用，并首次将 MI 数据用于在体腹腔镜组织分类，显著提升了内窥镜视频自动标记的现有技术水平。我们的实验数据将作为首个在体 MI 数据集在论文发表时公开。
引用
@article{arxiv.1706.07002,
title = {Uncertainty-Aware Organ Classification for Surgical Data Science Applications in Laparoscopy},
author = {S. Moccia and S. J. Wirkert and H. Kenngott and A. S. Vemuri and M. Apitz and B. Mayer and E. De Momi and L. S. Mattos and L. Maier-Hein},
journal= {arXiv preprint arXiv:1706.07002},
year = {2018}
}
备注
7 pages, 6 images, 2 tables