文章序号、所属单元及链接:1206-Computer Vision for Medical Robots
一作所属单位:Imperial College London
读后体会:论文创新点:时间一致性、光流法。
血管内介入治疗中考虑光流引导弯曲的端到端实时导管分割
)
Abstract
准确的实时导管分割是机器人辅助血管内介入治疗的重要先决条件。由于真实注释的困难,大多数现有的基于学习的导管分割和跟踪方法仅在小规模数据集或合成数据上进行训练。此外,术中成像序列的时间连续性没有得到充分利用。在本文中,我们介绍了FW-Net,这是一种用于血管内介入的端到端实时深度学习框架。提出的FW-Net具有三个模块:具有编码器-解码器体系结构的分割网络,用于提取光流信息的流网络,以及用于学习帧到帧时间连续性的新颖的流引导弯曲功能。我们表明,通过有效地学习时间连续性,网络可以仅使用原始地面实况进行训练就可以成功地实时分割和跟踪导管。详细的验证结果证实,我们的FW-Net在实现实时性能的同时,优于最新技术。