ASC-Net:腹腔镜视频中手术器械与脏器快速分割网络

作     者：张新宇 张家意 高欣 ZHANG Xinyu;ZHANG Jiayi;GAO Xin

作者机构：中国科学技术大学生物医学工程学院(苏州)生命科学与医学部安徽合肥230026 中国科学院苏州生物医学工程技术研究所江苏苏州215163 济南国科医工科技发展有限公司山东济南250101 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2024年第45卷第4期

页      面：659-669页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金项目(82372052) 国家重点研发计划项目(2022YFC2408400) 江苏省重点研发计划项目(BE2021663,BE2023714) 山东省重点研发计划项目(2021SFGC0104) 山东省自然科学基金项目(ZR2022QF071) 

主　　题：自动化手术 腹腔镜图像 多目标分割 注意力感知 多尺度特征 预训练微调 

摘      要：腹腔镜手术自动化是智能外科的重要组成部分,其前提是腔镜视野下手术器械与脏器实时精准分割。受术中血液污染、烟雾干扰等复杂因素影响,器械与脏器实时精准分割面临巨大挑战,现有图像分割方法均表现不佳。因此提出一种基于注意力感知与空间通道的快速分割网络(ASC-Net),以实现腹腔镜图像中器械和脏器快速精准分割。在UNet架构下,设计了注意力感知与空间通道模块,通过跳跃连接将二者嵌入编码与解码模块间,使网络重点关注图像中相似目标间深层语义信息差异,同时多维度学习各目标的多尺度特征。此外,采用预训练微调策略,减小网络计算量。实验结果表明:在EndoVis2018数据集上的平均骰子系数(mDice)、平均重叠度(mIoU)、平均推理时间(mIT)分别为90.64%,86.40%和16.73 ms (60帧/秒),相比于现有最先进方法,mDice与mIoU提升了26%与39%,且mIT降低了56%;在AutoLaparo数据集上的mDice,mIoU和mIT分别为93.72%,89.43%和16.41ms(61帧/秒),同样优于对比方法。该方法在保证分割速度的同时有效提升了分割精度,实现了腹腔镜图像中手术器械和脏器的快速精准分割,将助力腹腔镜手术自动化快速发展。