Aug, 2023

视频 - 仪器协同网络用于机器人手术中的视频仪器引用分割

PDF
TL;DR该研究论文探索了一项新的任务：引用外科手术视频仪器分割（RSVIS），旨在根据给定的语言表达自动识别和分割相应的外科手术器械。通过设计了一种新颖的视频 - 仪器协同网络（VIS-Net）和基于图的关系感知模块（GRM），该方法在两个 RSVIS 数据集上验证，实验结果表明 VIS-Net 可以显著优于现有的最先进的引用分割方法。
robot-assisted surgeryinstrument segmentationsurgical robot navigationreferring surgical video instrument segmentationvideo-instrument synergistic network
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

  • 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

  • 手术中基于视觉动力学图学习的适用于任何程序的机器人手术器械尖端分割

    通过图学习、多模态信息和交叉验证，我们提出了一种新的视觉 - 运动学图学习框架，精确地对给定的各种手术过程中的手术器械尖端进行分割。

    Sep, 2023

  • SEGSRNet 用于立体内窥镜图像超分辨率和手术仪器分割

    SEGSRNet 是一个创新的框架，旨在提高医学图像中手术工具的识别准确性。通过在分割之前应用先进的超分辨率技术来提高图像的清晰度和分割准确性，SEGSRNet 结合了高级特征提取和注意机制，以及空间处理来提高图像细节的清晰度。与当前模型相比，我们的模型在立体内窥镜手术图像方面产生了更清晰、更准确的图像，从而显著提高了手术精度和患者护理效果。

    Apr, 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

  • 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

  • 2017 机器人工具分割挑战赛

    通过公共数据集来推动机器学习算法性能比较和改进已在计算机视觉等领域成为主流，而在机器人辅助手术方面，由于缺乏公共数据集和基准测试方法，这种方法的使用有限。2017 年，一项机器人仪器分割挑战赛涉及了 10 个团队，参与了基于二进制、部分和类型的分割，取得了令人瞩目的进展。

    Feb, 2019

  • 通过场景图学习捕捉动态交互关系，用于机器人手术报告生成

    本研究提出了一种神经网络方法，通过明确探索组织和手术器械之间的互动关系来提高手术报告的生成，实验结果表明我们的方法可以显著优于现有最先进的手术报告生成方法。

    Jun, 2023

  • 参照图像分割的两阶段视觉线索增强网络

    本文旨在解决 参考图像分割 (RIS) 中当图像中被参考的物体视觉线索不足时，学习匹配行为变得更困难的问题，提出了一种两阶段视觉提示增强网络 (TV-Net)，可以有效增强参考物体的视觉信息，尤其是在视觉线索不足的情况下。并且通过在四个基准数据集上的实验，验证了所提出的 TV-Net 方法有效性并超越了现有技术的水平。

    Oct, 2021