罗布斯特-MIPS:一个结合的骨姿势和实例细分数据集,用于 laparoscopic 手术仪器

科学领域:

• 通过计算机辅助的干预措施.
• 医学成像分析分析 医学成像分析
• 机器学习用于手术.

背景情况:

• 精确的外科工具定位对于计算机辅助的干预技术至关重要.
• 针对细分任务的深度学习模型受限于各种注释数据的可用性.
• 目前用于外科工具的注释方法耗时且数据密集.

研究的目的:

• 提出骨姿势注释作为标记外科工具的更有效的替代方案.
• 介绍ROBUST-MIPS数据集,结合工具姿态和实例细分.
• 为了促进共同研究和比较的姿势和实例细分注释风格.

主要方法:

• 通过将现有的ROBUST-MIS数据集与骨架姿势注释丰富,开发了ROBUST-MIPS数据集.
• 使用流行的姿势估计方法建立了一个基准,以评估姿势注释的有效性.
• 发布了基准模型和定制注释软件,以促进采用.

主要成果:

• 通过一项基准研究,通过骨架姿势注释用于手术工具本地化证明了高质量的结果.
• ROBUST-MIPS数据集可以对下游任务的不同注释风格进行对比.
• 摆设注释在语义丰富性和注释效率之间提供了平衡.

结论:

• 骨姿势注释是人工智能手术工具定位的有效和高效方法.
• ROBUST-MIPS数据集和相关工具降低了该领域研究的障碍.
• 这项工作加速了先进的计算机辅助手术技术的发展.