DBH-YOLO:一种基于腹腔镜手术中特征分离的手术仪器检测方法

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:

• 在腹腔镜视频中对手术仪器的准确分析对于术后质量评估至关重要.
• 改进的检测有助于为患者提供治疗外科并发症的科学解决方案.

研究的目的:

• 提出一个端到端的算法,用于精确检测腹腔镜视频中的手术仪器.
• 解决手术仪器本地化和分类方面的挑战.

主要方法:

• 引入双分支头 (DBH) 和整体交叉在联合损失 (OIoU损失) 上,以加强检测.
• 开发DBHYOLO,一种有效的方法,用于在复杂场景中检测腹腔镜外科手术.
• 新数据集的手动注释,LGIL,用于腹腔镜胃癌切除手术仪器定位.

主要成果:

• DBHYOLO实现了高平均平均精度 (mAP) 值:96.8% (m2cai16工具位置),95.6% (LGIL) 和98.4% (Onyeogulu) 的平均精度.
• 拟议的方法在准确性方面优于经典模型,并减少了错过检测的情况.
• 该模型有效地区分具有高视觉相似性的外科器械类别.

结论:

• 从分类和定位的角度来看,DBH-YOLO方法有效地解决了不准确的手术仪器检测问题.
• 三个数据集的实验结果验证了DBH-YOLO的性能和概括能力.
• 拟议的方法为复杂的腹腔镜场景中手术仪器检测提供了强大的解决方案.