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

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

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

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

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

在这项研究中，我们采用轻量级的Segment Anything Model (SAM) 变体以满足速度要求，并采用微调技术来增强其在外科手术场景中的泛化能力。我们结合在线点追踪器和经过微调的轻量级SAM模型构建了一个新颖的框架，用于外科器械分割。在EndoVis 2015数据集上，定量结果超过了半监督视频对象分割方法的最新水平，并且可以在单个GeForce RTX 4060 GPU上以超过25 FPS的推理速度运行。

Mar, 2024

本研究解决了基于视觉的手术导航中手术仪器三维跟踪的挑战，包括弱纹理和遮挡等问题，提出了一种无CAD的两阶段三维仪器跟踪方法SurgTrack。通过引入仪器有符号距离场（SDF）和姿态图优化模块，该方法显著改善了跟踪结果的鲁棒性及准确性，并在实验中展示出卓越的性能和可扩展性。

Sep, 2024

本研究解决了在微创手术中定位目标器官内部解剖结构的困难问题。通过提出一种实时单目三维追踪算法，并在ORB-SLAM2框架基础上进行优化，研究利用伪分割策略和几何先验，在术后注册任务中实现了稳健的三维追踪。实验表明，该系统能够有效应对快速运动、视野外场景、部分可见性和“器官-背景”相对运动等挑战。

Sep, 2024

本研究针对机器人辅助手术中的组织和工具准确跟踪问题，提出了一种新的标注手术跟踪数据集，以评估现有追踪方法的效果。通过对最先进的TAP算法进行详尽评估，发现其在复杂手术场景中的局限性，并进一步提出SurgMotion方法，显著提升了在困难医疗视频中的追踪效果。

Sep, 2024

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