PDZSeg:在机器人辅助内镜子下粘膜切割中通过视觉提示来调整剖析区域细分的基础模型
Mengya Xu1,2, Wenjin Mo3, Guankun Wang1,2
1Department of Electronic Engineering, CUHK, Hong Kong, China.
概括
这项研究引入了一种新的基于提示的剖析区域细分 (PDZSeg) 模型,用于内镜下粘膜剖析 (ESD). 通过使用视觉提示,PDZSeg模型提高了剖析区域分割的准确性,从而提高了手术安全性.
科学领域:
- 医疗成像医学成像
- 手术技术 手术技术
- 人工智能在医学中的应用
背景情况:
- 内镜外科环境对剖析区细分存在挑战,原因是组织边界不清楚.
- 细分错误可能会损害内镜下层剖析 (ESD) 的安全性和有效性.
研究的目的:
- 为ESD程序开发精确的剖析区细分模型.
- 通过提高细分精度来提高ESD的安全性.
主要方法:
- 引入基于提示的剖析区细分 (PDZSeg) 模型.
- 在细分过程中整合视觉提示,如涂和边界框.
- 微调一个基础模型在一个专门的数据集上的各种提示指令.
主要成果:
- 与ESD-DZSeg数据集上最先进的方法相比,PDZSeg模型显示出更高的性能.
- 验证包括域内评估,即时变化的评估和稳定性测试.
- 这项工作是第一个将视觉提示设计用于剖析区域细分的作品.
结论:
- PDZSeg模型有效地利用视觉提示,以改善ESD的剖析区域细分.
- 该模型通过专门的数据集和新的视觉引用方法来增强细分性能和用户体验.
- 引入了ESD-DZSeg数据集,作为未来对机器人辅助ESD细分研究的基准.
