Oct, 2023

弱监督下的外科手术阶段识别

PDF
TL;DR通过图像分割和自监督学习，我们提出了一种基于随机游走的算法来实现逐帧术期预测，并利用稀疏时间戳或少样本学习的形式进行弱监督。在使用公共的腹腔镜胆囊切除术视频数据集进行实验验证时，我们的方法表现出了低复杂度和在小数据情况下的良好性能。
computer-assisted surgery systemsphase recognitiongraph segmentationself-supervised learninglaparoscopic cholecystectomy videos
发现论文，激发创造
  • 稳健的手术阶段识别与高效标注监督

    手术阶段识别是计算机辅助手术中的一个关键任务，本研究提出了一种能够有效处理缺失阶段标注并减少标注成本的手术阶段识别方法，该方法在两个具有挑战性的数据集上取得了竞争性结果，为手术工作流程识别的进展做出了贡献。

    Jun, 2024

  • 胸科手术视频分析与手术阶段识别

    该研究论文介绍了一种利用视频数据进行手术阶段识别的方法，旨在为自动化工作流分析提供手术程序的全面理解。研究表明，在手术阶段识别任务中，视频基分类器相比于基于图片的分类器具有更高的效果。

    Jun, 2024

  • 利用强化学习检索手术阶段转换

    该研究介绍了一种基于强化学习的离线手术阶段转换检测模型，相较于传统基于分类的方法，该模型能够更准确地探测手术过程中的连续阶段块，且在处理视频过程中可以节省时间和计算量，适用于腔镜手术等现代微创手术的研究应用。

    Aug, 2022

  • SurgPLAN：外科阶段定位网络用于阶段识别

    通过提出 SurgPLAN，一种基于时间检测原理的外科手术阶段定位网络，利用金字塔慢速 - 快速（PSF）架构和时间相位定位（TPL）模块，可以准确稳定地识别手术阶段，克服了现有方法不能捕获可区分的视觉特征和运动信息以及帧逐帧识别范式导致的不稳定预测的问题。

    Nov, 2023

  • SuPRA: 术中手术阶段识别与预测

    SuPRA 是一种新的多任务方法，通过手术阶段的识别和未来事件的预测为改进术中辅助提供了途径。

    Mar, 2024

  • ARST: 从腹腔镜视频中实现术前阶段识别的自回归手术变压器

    本文提出了一种名为 ARST 的自回归手术变压器，用于从腹腔镜视频中实时识别手术阶段。通过条件概率分布隐式地建模了阶段间相关性，并采用一致性约束推断策略以减少推断偏差和增强阶段一致性。在知名的公共数据集 Cholec80 上进行了综合验证，实验结果表明，我们的方法在定量和定性上都优于现有的最先进方法，并实现了每秒 66 帧的推断速率。

    Sep, 2022

  • 使用多阶段时间卷积网络识别手术阶段的 TeCNO 系统

    本文提出了一种多级时间卷积网络（MS-TCN），可以用于手术阶段识别，具有层次化预测细化和因果扩张卷积的特点。本文的方法经过多组数据集的评估，并在胆囊手术视频中得到成功应用。

    Mar, 2020

  • EgoSurgery-Phase：开放式手术视频中手术阶段识别的数据集

    为解决开放手术阶段识别研究的不足，该研究提出了一种基于眼球凝视的遮蔽自编码器（GGMAE）方法，并介绍了一个名为 EgoSurgery-Phase 的新的视角手术视频数据集，有效提高了开放手术阶段识别的准确性。

    May, 2024

  • 基于多模态数据的手术手势分割和识别的分层半监督学习框架

    通过使用多模态数据、分层半监督学习框架、基于 Transformer 的网络等方法，该研究提出了一种用于手术姿势分割和手势识别的技术，并在公开可用的 JIGSAWS 数据库上进行了评估，得到了较高的分割和识别准确度。

    Jul, 2023

  • 带有序列正则化的手术时间动作感知网络用于阶段识别

    我们提出了一种 Surgical Temporal Action-aware Network with sequence Regularization (STAR-Net) 来更准确地从输入视频中识别手术阶段。通过使用多尺度手术时态行动模块（MS-STA）和双分类器序列正则化（DSR），我们的方法可以有效利用手术行动的视觉特征，并在手术阶段识别方面取得卓越性能。

    Nov, 2023