May, 2023

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

PDF
TL;DR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。
surgical instrumentsendoscopic videosmachine learningtool trackingsurgtoolloc 2022
发现论文，激发创造
  • 基于区域卷积神经网络的手术视频工具检测和操作技能评估

    该研究利用基于卷积神经网络的区域分析法跟踪和分析手术视频中的工具移动，从而自动评估外科医生的手术技能，在空间定位工具的同时，分析手术工具使用模式、运动范围和运动经济性等方面对手术质量进行评估。

    Feb, 2018

  • 内镜视频中强韧手术工具识别技术及噪声数据处理

    本文提出了一种系统的方法来开发针对手术工具检测的强大模型，使用智能主动学习策略和基于学生教师模型的自训练框架，训练数据加载器为了解决基于嘈杂数据的手术工具检测的类别不平衡问题。在实验中，我们的方法有效地演示了比现有方法更好的效果。

    Jul, 2023

  • 微创手术视频中的弱半监督工具检测

    通过应用共现损失并使用图像级别标签，以便快速且高效地检测手术工具，我们提出了一种在大规模图像数据集上实现手术工具检测的方法，并在 Endovis2018 数据集上的实验证明了其有效性。

    Jan, 2024

  • 手术器械跟踪的并发分割和定位

    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。

    Mar, 2017

  • 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

  • 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

  • 腹腔镜手术中多类多工具跟踪的数据集 CholecTrack20

    通过引入 CholecTrack20 数据集，本文解决了在外科视频中进行工具跟踪的需求，该数据集是根据内窥镜手术的复杂性精心注释的，可跟踪多类多工具的三个不同视角的工具轨迹，包括内窥镜手术、人体内部手术和相机视野中的工具可见性，该详细数据集满足了手术过程中不断变化的辅助要求。

    Dec, 2023

  • SurgiTrack：手术视频中细粒度多类多工具跟踪

    SurgiTrack 是一种利用 YOLOv7 进行精确工具检测的深度学习方法，通过关注机制模拟工具的起始方向并利用调和的二分匹配图处理不同的工具轨迹视角，提供更具适应性和精确性的微创手术辅助，此方法在 CholecTrack20 数据集上的实验证明了其有效性，优于基线模型和现有技术方法，并具备实时推理能力。

    May, 2024

  • WS-YOLO：低监督 Yolo 网络用于内窥镜视频中的手术工具定位

    通过 Weakly Supervised Yolo Network (WS-YOLO)，从 da Vinci 手术机器人输出的粗粒度语义信息中生成细粒度的位置和类别信息，大幅减少人工注释工作量，实现手术工具在内窥镜视频中的定位。

    Sep, 2023

  • 基于 HMM 稳定化深度学习的高效手术工具识别

    经过探索性数据分析，我们发现手术视频具有相对简单的语义结构，我们提出了一种基于隐马尔可夫模型（HMM）的深度学习方法，用于工具存在性检测，结果表明，与复杂模型结构的流行深度学习方法相比，我们的方法在性能、训练和运行成本以及数据利用方面都更优，智能地将深度学习和统计学相结合可能会导致更强大的算法，同时享有竞争性能、透明解释和便捷的模型训练方式。

    Apr, 2024