Echtzeit-Erkennung und Lokalisierung von Harnleiteröffnungen in urologischen und chirurgischen Videos
In der urologischen Endoskopie und Chirurgie ist das Auffinden und Lokalisieren der Harnleiteröffnung von entscheidender Bedeutung. Da jedoch das Erscheinungsbild der Ureteröffnung von Person zu Person, von Zeit zu Zeit und aufgrund unterschiedlicher pathologischer Faktoren variiert, ist es manchmal schwierig, die Ureteröffnung genau zu lokalisieren und zu lokalisieren. Um verschiedene Arten von Harnleiteröffnungen in chirurgischen Videos automatisch zu identifizieren, schlägt dieser Artikel ein auf Deep Learning basierendes Erkennungs- und Verfolgungssystem für Harnleiteröffnungen vor. Das Framework besteht hauptsächlich aus drei Komponenten: Vorverarbeitungsteil, Ureteröffnungserkennungsmodell und Verfolgungsmodell. Für den Vorverarbeitungsteil wendet dieses Papier herkömmliche Datenerweiterungsstrategien und spezifische Datenerweiterungsstrategien an, um die Diversität von Trainingsbeispielen zu erhöhen. Das Ureteröffnungserkennungsmodell (Refined-SSD) wird durch die Verbesserung des klassischen Modells Single Shot Multi Box Detector (SSD) im Bereich der Objekterkennung erhalten. Dann wurde die Refined-SSD mit dem Verfolgungsalgorithmus CSRT verschmolzen, um das Erkennungs- und Verfolgungssystem für die Ureteröffnung zu bilden. In dieser Arbeit wird das Erkennungsmodell nur mit Resektoskopbildern mit komplexeren Hintergrundinformationen trainiert und dann mit Ureteroskopbildern getestet. Die experimentellen Ergebnisse zeigen, dass das mit Resektoskopbildern trainierte Modell erfolgreich auf andere Arten von urologischen Endoskopiebildern angewendet werden kann, und die Bewertungsindikatoren liegen alle bei etwa 0,9. Wir haben das in diesem Artikel vorgeschlagene Erkennungsmodell für die Resektoskop-Video- und Ureteroskopie-Videodatensätze weiter evaluiert. und die Experimente zeigen, dass das vorgeschlagene Modell zur Erkennung von Ureteröffnungen die Ureteröffnungen in zwei verschiedenen Uroskopen in Echtzeit im Video identifizieren und lokalisieren kann. Darüber hinaus haben wir in Resektoskop-Videosequenzen und Ureteroskopie-Videosequenzen nicht nur die Wirkung des in diesem Artikel vorgeschlagenen Detektions- und Tracking-Modells (Refined-SSD + CSRT) mit der Wirkung eines einzelnen Detektionsmodells verglichen, sondern auch mit der Detektion fusioniert model of other Die Wirkungen der vier Verfolgungsalgorithmen werden verglichen, und die Experimente zeigen, dass das in diesem Artikel vorgeschlagene Erkennungs- und Verfolgungsmodell für die Ureteröffnung eine bessere Leistung aufweist und eine durchschnittliche Erkennungsgeschwindigkeit von 20 ms pro Bild erreicht. Daher kann das Erkennungs- und Verfolgungsmodell die Harnleiteröffnung genau und in Echtzeit in Uroskop-Operationsvideos identifizieren und lokalisieren,
