Основные понятия
수술 도구 분할을 위해 입체 및 시간적 맥락을 활용하는 LACOSTE 모델을 제안한다.
Аннотация
이 논문은 수술 도구 분할을 위한 새로운 LACOSTE 모델을 제안한다. LACOSTE 모델은 쿼리 기반 분할 모델을 기반으로 하며, 3가지 성능 향상 모듈을 설계하였다:
- 깊이 정보를 활용하기 위한 disparity-guided feature propagation (DFP) 모듈
- 시간적-입체적 맥락을 활용하기 위한 stereo-temporal set classifier (STSCls)
- 위치 편향을 제거하기 위한 location-agnostic classifier (LACls)
DFP 모듈은 입체 정보를 특징 수준에서 활용하여 도구 위치 및 인식을 향상시킨다. STSCls는 시간적-입체적 맥락을 통합하여 단일 프레임 예측의 단점을 보완한다. LACls는 마스크 분류와 분할 과정을 분리하여 위치 편향의 부정적인 영향을 완화한다.
저자들은 3개의 공개 수술 비디오 데이터셋(EndoVis2017, EndoVis2018, GraSP)에서 실험을 수행하였으며, 기존 최신 기법들과 비교하여 LACOSTE 모델이 우수한 성능을 보임을 입증하였다.
Статистика
"수술 도구 분할은 최소 침습 수술과 관련 응용 프로그램에 필수적이다."
"수술 장면은 낮은 클래스 간 분산과 높은 클래스 내 분산을 나타낸다."
"수술 장면에서 클래스 불균형이 만연하며, 작은 물체와 드물게 사용되는 도구의 식별이 어렵다."
"움직임 흐림, 조명 변화, 연기 및 혈액으로 인한 폐색 등의 문제가 발생한다."
Цитаты
"수술 도구 분할을 위한 쿼리 기반 분할 방법의 효과성이 이전 연구에서 입증되었다."
"이전 방법들은 시간적 및 입체적 속성을 무시하여 시간적 움직임과 시야 변화로 인한 외관 변화에 덜 강건하다."
"LACOSTE는 위치 독립적 맥락, 입체 및 시간적 맥락을 활용하여 수술 도구 분할 성능을 향상시킨다."