Apr, 2023

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

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

  • 将光流融入nnU-Net框架用于手术器械分割的研究

    通过使用光流估计在手术器械分割任务中作为额外输入nnU-Net框架的OF图，可以在进一步不修改架构的情况下提高其性能。使用CholecSeg8k数据集，结果显示OF图的使用可以提高具有高运动的类别的检测效果，即使这些类别在数据集中很少出现。

    Mar, 2024

  • 无人工干预的外科仪器分割重访：图划分视角

    本研究针对外科图像中的仪器分割问题，提出了一种无监督的方法，通过将视频帧分割视为图划分问题，显著降低了对人工标注的依赖。使用自监督预训练模型提取特征，并通过拉普拉斯矩阵实现有效的分割，不仅在多个数据集上表现优异，还展示了其在临床应用上的潜在影响。

    Aug, 2024

  • 深度学习在机器人辅助手术中的外科器械识别与分割：系统评估

    本研究系统评估了深度学习在机器人辅助手术中对外科器械的识别与分割的应用，填补了这一领域的研究空白。研究发现，先进的深度学习模型显著提升了器械检测与分割的精度和效率，并为外科手术提供了实时指导和客观评估。未来的研究应集中于自动化处理以及扩展深度学习技术在各类手术领域的应用。

    Oct, 2024

  • AMNCutter：亲和力注意力引导的多视图归一化切割器用于无监督外科器械分割

    本研究解决了现有无监督外科器械分割方法在复杂内镜场景中的有效性和通用性不足的问题。我们提出了一种无标签的无监督模型，采用名为多视图归一化切割器的创新模块，通过图切割损失函数，而不依赖伪标签，显著提高了模型的效果与泛化能力。实验结果表明该方法在多个外科器械分割数据集上表现出色，具备作为预训练模型的巨大潜力。

    Nov, 2024

  • AMNCutter: 基于亲和力注意力的多视角归一化切割器用于无监督外科器械分割

    本研究针对传统无监督外科器械分割方法在复杂内窥镜场景中的有效性和泛化能力不足的问题，提出了一种无标签的无监督模型AMNCutter，其中引入了多视角归一化切割器模块。该方法通过图切损失函数结合补丁亲和力进行训练，能够有效整合低层和高层特征，显著提升了模型的性能和通用性。

    Nov, 2024