基于锚生成与语义扩散的无监督手术器械分割
计算机视觉与模式识别
2020-08-28 v1
摘要
手术器械分割是开发情境感知手术室的关键组成部分。现有该任务的工作严重依赖大量标注数据的监督,涉及费力且昂贵的人力。相比之下,本文提出了一种更经济实惠的无监督方法。为训练我们的模型,我们首先通过融合粗粒度手工线索,分别生成器械与背景组织的锚作为伪标签。随后提出一种语义扩散损失,通过相邻视频帧间的特征相关性解决生成锚中的歧义。在 2017 MICCAI EndoVis 机器人器械分割挑战赛数据集的二值器械分割任务实验中,所提方法在未使用任何人工标注的情况下取得了 0.71 IoU 与 0.81 Dice 分数,有望展示无监督学习用于手术器械分割的潜力。
引用
@article{arxiv.2008.11946,
title = {Unsupervised Surgical Instrument Segmentation via Anchor Generation and Semantic Diffusion},
author = {Daochang Liu and Yuhui Wei and Tingting Jiang and Yizhou Wang and Rulin Miao and Fei Shan and Ziyu Li},
journal= {arXiv preprint arXiv:2008.11946},
year = {2020}
}
备注
MICCAI 2020