Détection et localisation en temps réel des ouvertures urétérales dans les vidéos urologiques et chirurgicales
La détection et la localisation de l'ouverture urétérale sont cruciales en endoscopie et chirurgie urologiques. Cependant, étant donné que l'apparence de l'orifice urétéral varie d'un individu à l'autre, de temps en temps et de différents facteurs pathologiques, il est parfois difficile de localiser et de localiser avec précision l'orifice urétéral. Afin d'identifier automatiquement différents types d'ouvertures urétérales dans les vidéos chirurgicales, cet article propose un système de détection et de suivi des ouvertures urétérales basé sur l'apprentissage profond. Le cadre est principalement composé de trois composants : la partie de prétraitement, le modèle de détection de l'ouverture urétérale et le modèle de suivi. Pour la partie prétraitement, cet article applique des stratégies d'augmentation de données conventionnelles et des stratégies d'augmentation de données spécifiques pour augmenter la diversité des échantillons d'apprentissage. Le modèle de détection d'ouverture urétérale (Refined-SSD) est obtenu en améliorant le modèle classique Single Shot Multi Box Detector (SSD) dans le domaine de la détection d'objets. Ensuite, le Refined-SSD a été fusionné avec l'algorithme de suivi CSRT pour former le système de détection et de suivi de l'ouverture urétérale. Dans cet article, le modèle de détection est formé uniquement à l'aide d'images de résectoscope avec des informations de fond plus complexes, puis testé à l'aide d'images d'urétéroscope. Les résultats expérimentaux montrent que le modèle formé à l'aide d'images de résecteur peut être appliqué avec succès à d'autres types d'images d'endoscopie urologique, et les indicateurs d'évaluation sont tous autour de 0,9. Nous avons en outre évalué le modèle de détection proposé dans cet article sur les jeux de données vidéo de résecteur et d'urétéroscopie, et les expériences montrent que le modèle de détection d'ouverture urétérale proposé peut identifier et localiser les ouvertures urétérales dans deux uroscopes différents en temps réel dans la vidéo. De plus, dans les séquences vidéo de résectoscope et les séquences vidéo d'urétéroscopie, nous avons non seulement comparé l'effet du modèle de détection et de suivi (Refined-SSD+CSRT) proposé dans cet article avec l'effet d'un modèle de détection unique, mais également fusionné avec le modèle de détection model of other Les effets des quatre algorithmes de suivi sont comparés et les expériences montrent que le modèle de détection et de suivi de l'ouverture urétérale proposé dans cet article a de meilleures performances et atteint une vitesse de détection moyenne de 20 ms par image. Par conséquent, le modèle de détection et de suivi peut identifier et localiser l'ouverture urétérale avec précision et en temps réel dans les vidéos de chirurgie uroscope,
