多元财政框架网络:用于内外科手术仪器的多尺度特征融合语义细分网络
Zhenzhong Liu1,2, Laiwang Zheng1,2, Shubin Yang1,2
1Tianjin Key Laboratory for Advanced Mechatronic System Design and Intelligent Control, School of Mechanical Engineering, Tianjin University of Technology, Tianjin, China.
概括
这项研究引入了一种高效的网络,用于在切环境中对手术仪器进行细分,从而实现高精度和速度. 该模型为推进智能手术机器人的发展提供了宝贵的参考.
科学领域:
- 医疗机器人 医疗机器人
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 手术仪器的自动细分对于机器人辅助手术的安全至关重要.
- 切割环境中的挑战包括闭塞和照明变化.
- 建议建立一个高效的手术仪器细分网络来解决这些问题.
研究的目的:
- 开发一个高效的外科手术仪器细分网络,用于切环境.
- 为了克服手术仪器图像分析中的遮蔽和照明等挑战.
- 通过精确的自动细分来提高外科安全.
主要方法:
- 使用YOLOv8作为一个具有集成语义分割头的对象检测框架.
- 采用多通道特征地图的连接,以融合深层和浅层特征,以提高概括性.
- 包括GBC2f模块用于网络轻量化和全球信息捕获.
主要成果:
- 在内质瘤手术仪器数据集上获得了94.9%的平均精度 (MPA) 得分.
- 获得了89.9%的欧盟 (MIoU) 平均交叉值.
- 演示了每秒126.6 (FPS) 的处理速度.
结论:
- 拟议的细分模型显著优于现有的最先进的模型.
- 实验结果验证了该模型在复杂的手术场景中的有效性.
- 这项研究为开发智能手术机器人提供了宝贵的参考.
