有效的频率分解变压器通过大视觉模型指导进行手术图像脱烟
Jiaao Li1, Diandian Guo2, Youyu Wang1
1Thoracic Surgery, The First Affiliated Hospital of Shenzhen University, Guangdong, China.
概括
这项研究介绍了SmoRestor,这是一个用于手术图像恢复的新框架. 它有效地去除手术烟雾,在微创手术过程中增强可视化.
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:
- 手术图像恢复对于最少的侵入性手术至关重要,因为手术烟雾往往会阻碍手术.
- 目前的脱烟算法和学习策略进展有限.
研究的目的:
- 开发一个有效的外科影像脱烟框架.
- 分析手术烟雾降解的特征,以改善恢复.
主要方法:
- 建议SmoRestor,一个频率意识的变压器框架.
- 引入了一个嵌入Fourier的社区注意力变压器,用于空间和频率域分析.
- 利用来自大视觉模型的语义先验和用于内容降解分离的转移学习范式.
主要成果:
- "SmoRestor"在量化性能和视觉质量方面取得了显著的改进.
- 该框架有效地将解剖结构与复杂的退化分开.
- 在公共和内部数据集上验证的实验结果.
结论:
- 拟议的SmoRestor框架为手术图像除烟提供了一个有效的解决方案.
- 频率意识方法和转移学习增强恢复清晰外科视觉的能力.
- 这项工作推动了手术图像恢复领域的发展,以改善手术结果.
