Mar, 2024

自助式视频去雾技术在腹腔镜手术中的应用

PDF
TL;DR通过引入自监督手术视频去烟除雾（SelfSVD）方法，我们解决了合成烟、处理密集烟雾以及提高烟雾去除效果的问题，并构建了一个真实手术视频数据集，实验证明 SelfSVD 比现有方法更有效地去除烟雾并恢复更真实的细节。
desmoking methodsself-supervised surgery video desmokingsmoky framesmasking strategyreal surgery video dataset
发现论文，激发创造
  • LSD3K：腹腔镜手术图像烟雾去除的评估基准

    通过构建名为 LSD3K 的新型高质量数据集，该数据集包括 3,000 个配对的合成非均匀烟雾图像，本文提供了用于腹腔镜手术图像去雾的数据集生成流程，并在该基准上对现有的代表性去烟雾算法进行了全面评估。

    Jul, 2024

  • 基于注意力的腹腔镜图像去烟网络与亮度嵌入和混合引导嵌入

    本文提出了一种新颖的方法，用于从腹腔镜图像中去除烟雾。该方法采用了二阶段网络来估计烟雾分布并重建清晰的无烟手术场景，光度通道的利用对提供烟雾密度的重要信息起着关键作用。实验结果表明，该方法在峰值信噪比方面比现有最先进的方法高出 2.79％，运行时间也减少了 38.2％。总体上，与现有最先进的方法相比，该方法在烟雾去除质量和计算效率方面具有可比甚至更优秀的性能。

    Apr, 2024

  • 多视角自监督解缠结通用图像降噪

    通过多角度自监督解缠方法 (MeD)，本文在合成噪声和真实噪声的实验分析中展现了该方法在未见过的新噪声类型上相对于之前的自监督方法的卓越性能。在真实噪声上，该方法的性能甚至超过了其监督对照组超过 3 dB。

    Sep, 2023

  • 基于渐进频率感知网络的腹腔镜图像去烟化

    我们提出了一种轻量级的 GAN 框架 PFAN 用于腹腔镜图像去烟雾处理，结合了 CNN 和 Transformer 的优势，在频域中进行渐进式信息提取，有效地去除了腹腔镜图像中的烟雾，并在 Cholec80 数据集上表现出色。

    Dec, 2023

  • 外科计算机视觉的启动

    通过自我监督学习，在不同手术数据集上进行预训练，从而灵活地利用多样化的手术数据，为各种手术下游任务学习与任务无关的表示，研究发现预训练数据集的组成严重影响自我监督学习方法在各种下游任务上的有效性，对于规模化应用自我监督学习方法应充分考虑预训练数据集的组成。

    Dec, 2023

  • 利用自监督学习和最小标签自动检测手术视频中的身外画面以保护隐私

    利用自我监督和最少数据标签，我们提出一个可以精准检测手术视频中出现的躯体外视频帧的框架，该方法使用大量无标记内窥镜图像进行自我监督学习，并使用辅助任务的预训练和有限监督的微调，可提高医疗数据隐私保护，该方法达到了 96.00-98.02 的平均 F1 分数。

    Mar, 2023

  • PolMERLIN：基于掩码网络的自监督极化复合 SAR 图像去斑

    利用多极化合成孔径雷达（SAR）图像，我们提出了一种名为通道屏蔽的自监督去斑方法，利用极化之间的关系和像素到像素的相关性处理，实现了比现有方法更好的去噪效果。

    Jan, 2024

  • 通过观看数百个手术视频讲座学习多模态表示

    该研究使用手术视频讲座来进行多模态表示学习，通过自动生成的文本转录来解决手术视频中的语言挑战，提出了一种新的对齐视频和文本嵌入的方法 SurgVLP，并介绍了一些用于手术的视觉与语言任务作为评估标准。

    Jul, 2023

  • 基于深度显著性网络的视频烟雾检测

    研究通过使用基于深度显著性网络的新型视频烟雾检测法来提高烟雾的检测精度，并成功利用像素级和目标级显著卷积神经网络来提取信息烟雾显著性图，并使用端到端的框架来进行可靠的烟雾检测和预测。

    Sep, 2018

  • 视频语义分割的无监督域自适应

    本文提出了一种新的、针对视频语义分割的无监督域自适应方法，通过视频对抗训练和视频自我训练等网络，在实验中取得了优异的成绩，表明这一方法可以有效地将模拟数据转移到实际场景中，缓解视频领域对数据的需求。

    Jul, 2021