STF: Un Marco Unificado para la Segmentación y Seguimiento Conjunto a Nivel de Píxel de Tejidos en Cirugía...

Área de la Ciencia:

• Imágenes Médicas
• Visión por Computadora
• Tecnología Quirúrgica

Sus antecedentes:

• La segmentación precisa de tejidos es crucial en la cirugía endoscópica para prevenir complicaciones.
• Los métodos actuales de segmentación de video luchan con la robustez a largo plazo debido a la pérdida del objetivo y condiciones desafiantes como la oclusión y el desenfoque de movimiento.

Objetivo del estudio:

• Desarrollar un sistema automatizado robusto y preciso para la segmentación y el seguimiento de videos quirúrgicos a largo plazo.
• Superar las limitaciones de los métodos existentes para mantener la localización del objetivo durante procedimientos endoscópicos prolongados.

Principales métodos:

• Se propuso un Marco Unificado para la Segmentación y Seguimiento Conjunto a Nivel de Píxel (STF).
• Se integró una red de segmentación de aprendizaje profundo con una Red de Votación de Hough para el seguimiento.
• Se implementó un módulo de refinamiento bayesiano y un mecanismo adaptativo de redetección activado por un módulo de evaluación de seguimiento.

Principales resultados:

• El marco STF demostró una precisión y consistencia temporal superiores en comparación con las redes de segmentación existentes en la segmentación de videos quirúrgicos a largo plazo.
• Se logró un rendimiento mejorado en condiciones desafiantes como oclusión y desenfoque de movimiento.
• Se mejoró significativamente la robustez y las capacidades de redetección para un análisis sostenido de tejidos.

Conclusiones:

• El marco STF ofrece una solución robusta y automatizada para la segmentación y el seguimiento de videos quirúrgicos a largo plazo.
• Esta metodología reduce la dependencia de la intervención manual, mejorando la seguridad y la eficiencia en la cirugía mínimamente invasiva endoscópica.