Detección y localización en tiempo real de aberturas ureterales en videos urológicos y quirúrgicos
La detección y localización de la apertura ureteral es crucial en endoscopia y cirugía urológica. Sin embargo, debido a que la apariencia del orificio ureteral varía de un individuo a otro, de vez en cuando y de diferentes factores patológicos, a veces es difícil ubicar y ubicar con precisión el orificio ureteral. Con el fin de identificar automáticamente diferentes tipos de aberturas ureterales en videos quirúrgicos, este artículo propone un sistema de detección y seguimiento de aberturas ureterales basado en aprendizaje profundo. El marco se compone principalmente de tres componentes: parte de preprocesamiento, modelo de detección de apertura ureteral y modelo de seguimiento. Para la parte de preprocesamiento, este documento aplica estrategias de aumento de datos convencionales y estrategias de aumento de datos específicas para aumentar la diversidad de muestras de entrenamiento. El modelo de detección de apertura ureteral (Refined-SSD) se obtiene mejorando el modelo clásico Single Shot Multi Box Detector (SSD) en el campo de la detección de objetos. Luego, el Refined-SSD se fusionó con el algoritmo de seguimiento CSRT para formar el sistema de seguimiento y detección de apertura ureteral. En este documento, el modelo de detección solo se entrena usando imágenes de resectoscopio con información de fondo más compleja y luego se prueba usando imágenes de ureteroscopio. Los resultados experimentales muestran que el modelo entrenado con imágenes de resectoscopio se puede aplicar con éxito a otros tipos de imágenes de endoscopia urológica, y los indicadores de evaluación están alrededor de 0,9. Además, evaluamos el modelo de detección propuesto en este documento sobre los conjuntos de datos de video de resectoscopio y video de ureteroscopia, y los experimentos muestran que el modelo de detección de aberturas ureterales propuesto puede identificar y localizar las aberturas ureterales en dos uroscopios diferentes en tiempo real en el video. Además, en secuencias de video de resectoscopio y secuencias de video de ureteroscopia, no solo comparamos el efecto del modelo de detección y seguimiento (Refined-SSD+CSRT) propuesto en este trabajo con el efecto de un solo modelo de detección, sino que fusionamos con el modelo de detección modelo de otro Se comparan los efectos de los cuatro algoritmos de seguimiento, y los experimentos muestran que el modelo de seguimiento y detección de apertura ureteral propuesto en este documento tiene un mejor rendimiento y logra una velocidad de detección promedio de 20 ms por cuadro. Por lo tanto, el modelo de detección y seguimiento puede identificar y localizar la apertura ureteral con precisión y en tiempo real en videos de cirugía de uroscopio,
