优化手术场景的隐形图表表示,以用于看不见的域概括

科学领域:

• 计算机视觉 计算机视觉
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 由于领域转移,手术视频分析的深度学习模型难以在医疗中心进行泛化.
• 面向对象的学习提供了一个有希望的解决方案,通过解开手术场景的视觉和语义属性.

研究的目的:

• 在外科视频分析中对域概括的对象中心方法进行基准测试.
• 开发一种改进的以对象为中心的方法,用于看不见的域概括,特别是在腹腔镜胆囊切除术中对安全性评估的批判性看法.

主要方法:

• 评估了四种以对象为中心的域概括方法,以建立基线性能.
• 进行了废除研究,以了解视觉和语义特征的贡献.
• 开发了一种新的以对象为中心的方法,LG-DG,结合了新的解损失函数.

主要成果:

• 拟议的LG-DG方法比最佳基线实现了9.28%的性能改善.
• 证明了以对象为中心的方法对域概括的有效性,因为它们的模块化表示学习.

结论:

• 在外科视频分析中,以对象为中心的方法对未见域概括是有效的.
• 确定了方法不可知性性能改进的关键因素.
• 开发的LG-DG方法为安全评估的批判性看法提供了实质性的绩效收益.