期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向手术器械语义分割的半监督时空Transformer网络 被引量：5
1
作者 李耀仟 李才子 +3 位作者 刘瑞强 司伟鑫 金玥明 王平安 《软件学报》 EI CSCD 北大核心 2022年第4期1501-1515,共15页
基于内窥镜的微创手术机器人在临床上的应用日益广泛,为医生提供内窥镜视频中精准的手术器械分割信息,对提高医生操作的准确度、改善患者预后有重要意义.现阶段,深度学习框架训练手术器械分割模型需要大量精准标注的术中视频数据,然而... 基于内窥镜的微创手术机器人在临床上的应用日益广泛,为医生提供内窥镜视频中精准的手术器械分割信息,对提高医生操作的准确度、改善患者预后有重要意义.现阶段,深度学习框架训练手术器械分割模型需要大量精准标注的术中视频数据,然而视频数据标注成本较高,在一定程度上限制了深度学习在该任务上的应用.目前的半监督方法通过预测与插帧,可以改善稀疏标注视频的时序信息与数据多样性,从而在有限标注数据下提高分割精度,但是这些方法在插帧质量与对连续帧时序特征方面存在一定缺陷.针对此问题,提出了一种带有时空Transformer的半监督分割框架,该方法可以通过高精度插帧与生成伪标签来提高稀疏标注视频数据集的时序一致性与数据多样性,在分割网络bottleneck位置使用Transformer模块,并利用其自我注意力机制,从时间与空间两个角度分析全局上下文信息,增强高级语义特征,改善分割网络对复杂环境的感知能力,克服手术视频中各类干扰从而提高分割效果.提出的半监督时空Transformer网络在仅使用30%带标签数据的情况下,在MICCAI2017手术器械分割挑战赛数据集上取得了平均DICE为82.42%、平均IoU为72.01%的分割结果,分别超过现有方法7.68%与8.19%,并且优于全监督方法. 展开更多
关键词 视频序列 时空特征 手术器械分割 TRANSFORMER 半监督学习
下载PDF
基于全卷积神经网络的手术器械图像语义分割算法 被引量：2
2
作者 郑腾辉 陶青川 《现代计算机》 2019年第9期80-84,共5页
为了实现对处于相近颜色盒中的手术器械准确进行像素级分割,提出基于全卷积神经网络(FCN)的手术器械图像语义分割模型。该模型使用VGG19作为基础模型,添加3层反卷积层,使用Adam优化器优化网络,实现手术器械和手术盒的像素级分割。实验... 为了实现对处于相近颜色盒中的手术器械准确进行像素级分割,提出基于全卷积神经网络(FCN)的手术器械图像语义分割模型。该模型使用VGG19作为基础模型,添加3层反卷积层,使用Adam优化器优化网络,实现手术器械和手术盒的像素级分割。实验结果表明:该模型能有效实现图像分割,降低特征值数量,减少网络运行时长。 展开更多
关键词 手术器械 语义分割 全卷积神经网络(FCN) VGG19
下载PDF
基于改进YOLOv5s的手术器械检测与分割方法
3
作者 孟晓亮 赵吉康 +2 位作者 王晓雨 张立晔 宋政 《液晶与显示》 CAS CSCD 北大核心 2023年第12期1698-1706,共9页
在内窥镜手术过程中,外科医师需实时掌握手术器械的位置信息。现有目标检测算法受反光和阴影等因素影响,其准确度和漏检率仍有优化的空间。本文提出一种基于改进YOLOv5s的手术器械检测与分割方法。首先,通过Gamma校正算法校正图像的亮... 在内窥镜手术过程中,外科医师需实时掌握手术器械的位置信息。现有目标检测算法受反光和阴影等因素影响,其准确度和漏检率仍有优化的空间。本文提出一种基于改进YOLOv5s的手术器械检测与分割方法。首先,通过Gamma校正算法校正图像的亮度和对比度,以解决手术器械的反光和阴影遮挡等问题;其次,设计CBAM和动态卷积模块,增加重要特征信息的权重,以进一步提高目标检测的准确度并减少模型的漏检率;同时,优化空间金字塔池化模块以扩大感受野,从而更好地识别多尺度目标;最后,设计FPN语义分割头,以实现语义分割功能。在内窥镜手术数据集上的实验结果表明,本文目标检测的mAP@0.5为98.2%,语义分割的mIoU为94.0%。所提方法可辅助外科医师快速掌握手术器械的位置和类型,提高手术效率。 展开更多
关键词 手术器械 目标检测 语义分割 注意力机制
下载PDF
改进Deeplab v3+网络的手术器械分割方法 被引量：8
4
作者 杨波 陶青川 董沛君 《计算机工程与应用》 CSCD 北大核心 2021年第7期222-227,共6页
针对当前国内手术器械管理耗费人力,智能化程度低的问题,提出一种动态学习特征的改进Deeplab v3+网络模型语义分割算法。为了加强相关任务有效特征学习,在Deeplab v3+模型编码端嵌入注意力机制CBAM模块并通过密集深度分离卷积和扩张卷... 针对当前国内手术器械管理耗费人力,智能化程度低的问题,提出一种动态学习特征的改进Deeplab v3+网络模型语义分割算法。为了加强相关任务有效特征学习,在Deeplab v3+模型编码端嵌入注意力机制CBAM模块并通过密集深度分离卷积和扩张卷积提取图像高层特征;在解码端增加两路低层特征来源,保留了重要特征信息,提高了分割准确率。实验结果表明,改进后网络在手术器械数据集上MIoU、PA、Recall、F值分别为0.854、0.874、0.872和0.873。相较于其他语义分割网络,改进网络分割性能更优,有极大的工程实用价值。 展开更多
关键词 深度学习 手术器械自动化管理 语义分割 注意力机制
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部