Ürolojik endoskopi ve cerrahi videolarda üreter açıklıklarının gerçek zamanlı tespiti ve lokalizasyonu
Ürolojik endoskopi ve cerrahide üreter açıklığının tespiti ve lokalizasyonu çok önemlidir. Bununla birlikte, üreter açıklığının görünümü kişiden kişiye, zaman zaman ve farklı patolojik faktörlere bağlı olarak değiştiğinden, bazen üreter açıklığının doğru bir şekilde konumlandırılması ve konumlandırılması zordur. Bu makale, cerrahi videolardaki farklı tipteki üreteral açıklıkları otomatik olarak tanımlamak için derin öğrenme tabanlı bir üreter açıklığı saptama ve izleme sistemi önermektedir. Çerçeve temel olarak üç bileşenden oluşur: ön işleme bölümü, üreter açıklığı saptama modeli ve izleme modeli. Ön işleme bölümü için bu makale, eğitim örneklerinin çeşitliliğini artırmak için genel veri artırma stratejisi ve özel veri artırma stratejisi uygular. Hedef tespiti alanında klasik model Single Shot Multi Box Detector (SSD) geliştirilerek üreter açıklığı tespit modeli (Rafine-SSD) elde edilmiştir. Ardından Refined-SSD, üreteral açıklık saptama ve izleme sistemini oluşturmak için izleme algoritması CSRT ile birleştirildi. Bu yazıda, algılama modelini eğitmek için yalnızca daha karmaşık arka plan bilgilerine sahip rezektoskop görüntülerini kullanıyoruz ve ardından test için üreteroskop görüntülerini kullanıyoruz. Deneysel sonuçlar, rezektoskop görüntüleri ile eğitilen modelin diğer ürolojik endoskop görüntülerine başarıyla uygulanabileceğini ve değerlendirme indekslerinin 0,9 civarında olduğunu kanıtlamaktadır. Rezektoskop video ve üreteroskop video veri setleri üzerinde önerilen tespit modelini ayrıca değerlendirdik, ve deneyler, önerilen üreter açıklığı algılama modelinin videoda gerçek zamanlı olarak iki farklı üroskopta üreter açıklığını tanımlayabildiğini ve lokalize edebildiğini göstermektedir. . Ek olarak, rezektoskop video sekanslarında ve üreteroskop video sekanslarında, sadece önerilen tespit ve izleme modelinin (Rafine-SSD+CSRT) performansını tek bir tespit modelinin performansıyla karşılaştırmakla kalmadık, aynı zamanda diğer tespit modelleriyle de birleştirdik. Dört izleme algoritmasının etkileri karşılaştırıldı ve deneyler, bu makalede önerilen üreter açıklığı algılama ve izleme modelinin üstün performansa sahip olduğunu ve kare başına ortalama 20 ms algılama hızına ulaştığını gösteriyor. Bu nedenle, algılama ve izleme modeli, üroskopi ameliyat videolarında üreter açıklıklarını doğru ve gerçek zamanlı olarak tanımlayabilir ve konumlandırabilir,
