基于深度学习方法的腹腔镜手术器械实时分割研究

微创手术是一种用于检查腹腔内器官的外科干预手段，因其相较于传统开腹手术具有更高的有效性而得到广泛应用。随着高清摄像头等硬件设备的不断进步，该手术技术已显著提升，同时新型软件方法也展现出在计算机辅助手术中的巨大潜力。然而，在此类手术过程中，仍面临仪器位置检测与追踪的挑战，亟需进一步优化。为此，本文评估并比较了几种具有代表性的深度学习方法，以探索其在腹腔镜手术中实现手术器械自动分割的可行性，这是实现器械追踪的关键步骤。实验结果表明，双解码器注意力网络（Dual Decoder Attention Network, DDANet）在性能上优于其他近期提出的深度学习方法。在2019年Robust Medical Instrument Segmentation（ROBUST-MIS）挑战赛数据集上，DDANet取得了0.8739的Dice系数和0.8183的平均交并比（mean Intersection-over-Union），同时在实时性方面表现优异，达到101.36帧/秒，这一速度对于临床手术应用至关重要。