EndoNet: 복강경 영상 인식 작업을 위한 딥 아키텍처

수술 워크플로 인식은 자동 수술 영상 데이터베이스 색인화 및 실시간 수술실 일정 최적화 등 다양한 잠재적인 의료 응용 분야가 있습니다. 이에 따라, 각막 혼탁증(백내장), 신경외과, 복강경 수술 등 여러 종류의 수술에서 단계 인식이 연구되었습니다. 문헌에서는 이 작업을 수행하기 위해 시각적 특징과 도구 사용 신호 두 가지 유형의 특징이 주로 사용됩니다. 그러나 사용되는 시각적 특징은 대부분 수작업으로 제작된 것입니다. 또한, 도구 사용 신호는 일반적으로 수작업으로 주석을 달거나 추가 장비를 사용하여 수집됩니다. 본 논문에서는 복강경 담낭 절제술 영상에서 특징을 자동으로 학습하는 합성곱 신경망(CNN)을 활용한 새로운 단계 인식 방법을 제안합니다. 이 방법은 오직 시각 정보만을 기반으로 합니다. 과거 연구에서는 도구 신호가 단계 인식 작업에 중요한 정보를 제공할 수 있음을 보여주었습니다. 따라서, 우리는 단계 인식과 도구 존재 감지 작업을 다중 작업 방식으로 수행하도록 설계된 새로운 CNN 구조인 EndoNet을 소개합니다. 우리所知에 따르면, 이는 복강경 영상에서 다중 인식 작업을 위해 CNN을 사용하는 첫 번째 연구입니다. 다른 방법들과의 광범위한 실험 비교를 통해 EndoNet이 두 작업 모두에서 최신 성능 결과를 얻는다는 것을 확인하였습니다.注：在最后一句中，“我们所知”被误翻译为“우리所知”，正确的翻译应该是“우리의 지식에 따르면”。以下是修正后的版本：다른 방법들과의 광범위한 실험 비교를 통해 EndoNet이 두 작업 모두에서 최신 성능 결과를 얻는다는 것을 확인하였습니다. 우리의 지식에 따르면, 이는 복강경 영상에서 다중 인식 작업을 위해 CNN을 사용하는 첫 번째 연구입니다.