CLAD-Net:用于实时内镜仪器检测的跨层聚合注意力网络
Xiushun Zhao1, Jing Guo1, Zhaoshui He1
1School of Automation, Guangdong University of Technology, Guangzhou, 510006 China.
Health information science and systems
|November 29, 2023
概括
这项研究介绍了CLAD-Net,CLAD-Net是一种新型的深度学习模型,用于在微创手术 (MIS) 中精确的内镜仪器检测. 通过在具有挑战性的视觉条件下准确识别仪器,CLAD-Net显著提高了外科安全性和效率.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 最少侵入性手术 (MIS) 依赖于精确识别手术仪器,以提供有效的指导.
- 由于狭窄的空间,遮蔽和可变的照明,内镜仪器检测具有挑战性.
研究的目的:
- 在复杂的MIS场景中开发内镜仪器的准确和实时检测网络.
- 通过改进仪器识别来提高手术效率和患者安全.
主要方法:
- 提出了一个跨层聚合注意力检测网络 (CLAD-Net).
- 引入了一个跨层聚合注意模块,用于增强特征融合和传播.
- 开发了一种复合的注意力机制 (CAM),用于多层次的上下文信息提取和特征改进.
- 实现了一个功能改进模块 (RM) 来改善边缘和细节提取.
主要成果:
- CLAD-Net实现了高检测准确度,在Cholec80数据集上达到98.9%,在神经内镜数据集上达到98.6%.
- 拟议的网络在复杂的外科环境中优于现有的先进检测网络.
- 展示了实时检测能力.
结论:
- 在MIS中,CLAD-Net提供了一个强大的解决方案,用于精确的内镜仪器检测.
- 提出的注意力机制有效地解决了诸如目标尺寸不一致和低对比度等挑战.
- 这项技术有可能显著推进图像引导手术并改善患者的治疗结果.
