Mar, 2017

手术器械跟踪的并发分割和定位

PDF
TL;DR利用深度学习，将 2D 的手术工具姿态估计重构为热力图回归，与分割同时进行。实验证明，该方法可以显著提高性能，超越现有技术在 Retinal Microsurgery 和 MICCAI EndoVis Challenge 2015 的表现。
real-time instrument trackingcomputer-assisted interventions2d instrument pose estimationdeep learningretinal microsurgery
发现论文，激发创造
  • 基于注意力机制和多尺度特征融合的手术器械实时实例分割

    本文基于深度学习技术，提出一种轻量级单阶段实例分割模型结合卷积块关注模块的方案，通过数据增强和最优锚定策略进一步提高准确性，实现了对手术器械的实时跟踪和分割，并在 ROBUST-MIS 挑战中取得了 44% 以上的优异表现。

    Nov, 2021

  • 微创手术中仪器分割和跟踪方法的比较评估

    本文介绍了一项比较研究，探讨了在机器人以及传统腹腔镜手术中，基于视觉的不同方法用于器械分割和追踪的效果。研究表明，现代的深度学习方法在器械分割任务中表现优异，但结果还不完美。此外，合并不同方法的结果实际上显著提高了准确性。与此同时，器械追踪任务的结果表明，在传统腹腔镜手术中这仍然是一个待解决的挑战。

    May, 2018

  • MICCAI 2022 SurgToolLoc 挑战赛的手术工具分类和定位结果和方法

    该研究旨在通过利用机器学习模型，使用手术器械的安装数据作为弱标签，实现对内窥镜视频中的手术器械进行跟踪和定位。SurgToolLoc 2022 挑战赛的结果表明，通过自动检测和跟踪手术器械，既可以提高手术效率和运营，又可以为机器学习和手术数据科学的更广泛应用提供支持。

    May, 2023

  • 可视化插件：用于从微创手术视频中跟踪三维工具

    提出了一种基于 2D 分割的仪器追踪方法，通过几何变化和运动算法，实现对手术视频中仪器的标记和跟踪，验证了该方法在仪器追踪和微创手术实践中的应用潜力。

    Jan, 2024

  • 迷你创口手术器械在内窥镜图像和视频中的分割方法和数据集：现状综述

    该综述文章着重介绍了目前基于纯视觉的、不附加任何标记的单帧和带有时间信息的最小侵入性手术图像中手术工具分割和跟踪方法，重点关注深度学习方法和公开数据集的使用，讨论了存在的不足之处和未来发展的潜能。

    Apr, 2023

  • 下一代手术导航：手术器械多视图无标记 6 自由度姿态估计

    提出了一种高保真度的非标记光学跟踪系统，用于手术器械的本地化，采用多视角相机布置，利用深度学习方法和数据融合技术，对不同输入模型和相机位置进行评估和比较，并且取得了比文献中相关方法更好的平均误差结果，从而展示了手术器械无标记跟踪已经成为了现实。

    May, 2023

  • 使用深度学习进行机器人辅助手术中的自动仪器分割

    该研究描述了他们在 MICCAI 2017 内窥镜视觉子挑战赛中赢得的机器人工具分割选手冠军的解决方案，该解决方案通过使用几种新颖的深度神经网络架构获得了比现有技术更好的结果来解决机器人手术中的工具语义分割问题。

    Mar, 2018

  • 单眼腹腔镜视频剪辑中解剖和手术器械的三维跟踪的神经场

    该研究提出了使用神经场方法进行腹腔镜视频追踪的技术，可以同时追踪手术工具和解剖结构，具有较高的追踪精度，并能生成与预训练深度估计器相媲美的伪深度图像，从而展示了使用神经场进行单目腹腔镜场景的 3D 重建的可行性。

    Mar, 2024

  • 视频中实时外科器械分割：基于点跟踪和全能分割

    在这项研究中，我们采用轻量级的 Segment Anything Model (SAM) 变体以满足速度要求，并采用微调技术来增强其在外科手术场景中的泛化能力。我们结合在线点追踪器和经过微调的轻量级 SAM 模型构建了一个新颖的框架，用于外科器械分割。在 EndoVis 2015 数据集上，定量结果超过了半监督视频对象分割方法的最新水平，并且可以在单个 GeForce RTX 4060 GPU 上以超过 25 FPS 的推理速度运行。

    Mar, 2024

  • 从叉子到鹰嘴钳：一种新的外科手术器械实例分割框架

    本篇研究提出了一种新的神经网络框架，该框架基于实例分割模型添加分类模块以提高手术工具实例分割的准确性，并采用度量学习技术来处理手术器械类别的低变异性，并在评测数据集上证明了其优越性。

    Nov, 2022