.png){kind=icon}
返回
Context-Aware Weakly Supervised Surgical Instrument Detection
.png){kind=icon}
PRE
AI
DOI：10.1007/s10278-025-01787-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在微创手术中，手术器械的检测是许多手术室辅助系统的核心。然而，传统方法主要依赖全监督学习，这需要使用大规模标注数据集，而医疗领域的优质标注成本极高。近年来，弱监督学习在医学图像分析中显示出巨大潜力，因为它仅需图像级标注即可分析手术图像。本文将弱监督目标检测引入手术器械检测领域，仅使用图像级标注训练模型，以实现手术器械的准确识别，有效缓解了标注数据稀缺的问题。我们提出了一种跨图像场景感知模块，利用不同图像间背景组织的相似性来抑制背景特征，并用对比损失替换传统的多分类标签损失以增强注意力图的精度；我们设计了一种新颖的特征库构建方法及独特的实例优化架构，有效降低了优化过程中的信息损失。实验结果表明，在m2cai16-tool-locations数据集上，我们的模型达到了60.4%的mAP和64.6%的mCorLoc，证明了所提方法在微创手术器械检测中的有效性和实用性。
Keyword:
Minimally invasive surgery
Weakly supervised
Surgical tool detection
Robot-assisted surgery
期刊
J
IF:
0
论文数:
491
被引数:
0
机构
引用论文
Tool Detection and Operative Skill Assessment in Surgical Videos Using Region-Based Convolutional Neural Networks使用基于区域的卷积神经网络在手术视频中进行工具检测和手术技能评估
OAAI
.png){kind=icon}
OAAI分享收藏
Detection and Localization of Robotic Tools in Robot-Assisted Surgery Videos Using Deep Neural Networks for Region Proposal and Detection使用深度神经网络进行区域建议和检测，在机器人辅助手术视频中检测和定位机器人工具OAAI
OAAI分享收藏EndoNet: A Deep Architecture for Recognition Tasks on Laparoscopic VideosEndoNet: 用于腹腔镜视频识别任务的深层体系结构OAAI
OAAI分享收藏
查看更多内容