Feb, 2024

隐私保存的机器人手术持续语义分割合成

PDF
TL;DR基于深度神经网络的语义分割可提高机器人辅助手术中手术器械和组织的精确性。然而，在生物学学习中，深度神经网络无法随着时间的推移学习增量任务，表现出灾难性遗忘现象。为了解决这个问题，本研究开发了一种隐私保护的合成持续语义分割框架，通过合成背景和新器械来均衡地融合旧模型和持续学习模型，同时引入了多尺度特征蒸馏以保持语义对象之间的长短距离空间关系。
deep neural networkssemantic segmentationcatastrophic forgettingcontinual learningprivacy-preserving synthetic continual semantic segmentation
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

  • 利用一对多合成技术将手术仪器分割推广到未知域

    本文研究使用深度学习技术处理外科手术的数据，并通过数据合成技术建立一个更具普适性的数据集，提高模型的泛化性能，实现在真实数据领域取得了显著的成果。

    Jun, 2023

  • 内窥镜场景中连续语义分割的典型样本重新思考：基于熵的小批量伪重放

    提出了一种 Endoscopy Continual Semantic Segmentation (EndoCSS) 框架，通过迭代生成模型的伪回放图像和自适应噪声交叉熵损失，解决内镜图像分割中因类别增量引起的灾难性遗忘问题。通过在公共数据集上进行大量的持续语义分割实验，证明了该方法能够有效地应对内镜场景中的灾难性遗忘问题，并具有在流式学习方式下进行实际部署的巨大潜力。

    Aug, 2023

  • 稀疏解耦潜在表示的斥力吸引驱动下的不断语义分割

    本文提出了一种新的持续学习方案，该方案通过神经网络的原型匹配、特征稀疏化和对比学习等三个新组件来纠正模型在学习新任务时遗忘旧任务的问题，在语义分割上进行了测试并在 Pascal VOC2012 和 ADE20K 数据集上取得了显著的准确性，远超过现有技术。

    Mar, 2021

  • 腹部多器官和肿瘤分割的持续学习

    本文提出了一种用于连续器官和肿瘤分割任务的创新结构，包括一系列轻量级的、类特定的输出头，以及将对比语言 - 图像预训练嵌入到器官特定的头中。实验结果表明该方法在学习过程中提高了基线神经网络对新引入和先前学习类别的分割性能。

    Jun, 2023

  • 医学图像半监督分割中的变换一致自组织模型

    本文提出一种半监督方法用于医学图像分割。该方法包括深度学习、正则化、自举等关键技术，并在多个医学图像数据集上进行了验证和表现优于其他方法。

    Feb, 2019

  • 卷积神经网络在机器人辅助手术中客观技能评估中的深度学习

    通过深度学习框架从机器人运动数据映射到单个技能级别，提出了一种无需特征工程或精心调整手势细分，即可成功解码技能信息的模型，并能在 1-3 秒窗口内可靠地解释技能，突出了深度架构在现代外科培训中高效在线技能评估的潜力。

    Jun, 2018

  • 稳健的笔画分割的综合数据

    深度学习在神经影像学中的语义分割目前需要高分辨率扫描和大型标注数据集，给临床适用性带来了显著障碍。本文提出了一种新颖的合成框架，用于病灶分割任务，扩展了现有的 SynthSeg 方法的能力，以适应具有大型异质病理的病灶特定增强策略。我们的方法使用从健康和中风数据集导出的标签图来训练深度学习模型，在没有特定序列训练数据的情况下，实现了对健康组织和病理病变的分割。在领域内和领域外（OOD）数据集的评估中，我们的框架展示出稳定的性能，在培训领域内与当前方法相媲美，在 OOD 数据上明显优于它们。这一贡献有望推动临床环境中医学影像分析的进展，特别是针对中风病理学，通过在不同的成像序列上实现可靠的分割，减少对大型标注数据的依赖。代码和权重可在此网址获得: https://URL

    Apr, 2024

  • SynSeg-Net: 无需目标模态的合成分割

    本研究提出了一种使用合成数据进行训练的图像分割方法，极大地减少了在新兴医学成像模态或疾病群中手动跟踪图像时的人工工作量，该方法通过对模态之间的无配对强度图像使用周期生成对抗网络和深度卷积神经网络进行端到端训练， 并在两个医学成像实验中取得了优秀的表现。

    Oct, 2018

  • 再探视觉问答机器人手术中连续学习的蒸馏

    通过开发非样本连续外科 VQLA 框架，我们在连续学习范式中探索和平衡深度神经网络的刚性 - 可塑性权衡，并提出了 RP-Dist 和 SH-Dist 来保留旧知识。在外科设置的三个公共数据集上建立了一个连续学习框架，通过广泛的实验证明我们的方法在连续外科 VQLA 上优于传统的连续学习方法。

    Jul, 2023