文脈認識型弱教師あり手術器具検出

科学分野:

• 医用画像解析
• С手術における Сコンピュータ Сビジョン
• 低侵襲 С手術

背景:

• 手術器具検出は、手術室支援システムにとって重要です。
• 従来の С方法では、広範でコストのかかるアノテーションが必要です。
• 弱教師あり学習は、画像レベルのアノテーションを使用することで解決策を提供します。

研究 の 目的:

• 手術器具識別のための弱教師ありオブジェクト検出を導入すること。
• 医用画像におけるアノテーション付きデータの不足という課題に対処すること。
• 手術器具検出システムの精度と実用性を向上させること。

主な方法:

• 背景特徴を抑制するために、画像間シナリオ認識モジュールを提案しました。
• 注意マップを強化するために、従来のマルチクラスラベル損失の代わりにコントラスティブ損失を使用しました。
• 新しい特徴ライブラリ構築およびインスタンス最適化アーキテクチャを開発しました。

主要な成果:

• m2cai16-tool-locationsデータセットで60.4%のmAP（平均適合率）を達成しました。
• m2cai16-tool-locationsデータセットで64.6%のmCorLoc（平均正解位置特定）を達成しました。
• 低侵襲手術における器具検出のための効果的かつ実用的なパフォーマンスを示しました。

結論:

• 弱教師ありオブジェクト検出は、手術器具識別に効果的です。
• 提案された С手法は、限られたアノテーション付きデータの С問題を大幅に軽減します。
• このアプローチは、低侵襲 С手術における支援システムの С強化に С有望です。