Jul, 2023
自监督学习用于手术缝合线的交互感知，实现自主缝合尾部缩短
Self-Supervised Learning for Interactive Perception of Surgical Thread for Autonomous Suture Tail-Shortening
Vincent Schorp, Will Panitch, Kaushik Shivakumar, Vainavi Viswanath, Justin Kerr...
TL;DR本文提出了一种跟踪外科缝合线的 3D 方法，该方法对遮挡和复杂线路具有鲁棒性，并将其应用于完成手术缝合 “尾部缩短” 任务中。该方法利用了学习到的 2D 外科缝合线检测网络，在 RGB 图像中分割缝合线。然后，通过将来自两个立体摄像头的检测三角化，将 2D 线路识别为 3D 的 NURBS 样条。一旦初始化了 3D 缝合线模型，方法就能跟踪随后的帧中的线路。实验表明该方法适用于具有挑战性的单帧 3D 线路重建和两个跟踪序列的平均重投影误差为 1.33 像素和 0.84 像素，缩短尾部任务的成功率达 90％。