라파로스코픽 비디오에서 도구 위치 추정을 위한 약간의 지도 학습

수술 도구 위치 추정은 내시경 영상의 자동 분석을 위한 필수적인 작업입니다. 문헌에 따르면, 기존의 도구 위치 추정, 추적 및 분할 방법들은 완전히 주석이 달린 훈련 데이터를 필요로 하므로, 사용 가능한 데이터셋의 크기를 제한하고 접근 방식의 일반화를 방해합니다. 본 연구에서는 주석이 부족한 문제를 약간의 감독(weak supervision)으로 극복하는 방법을 제안합니다. 우리는 이미지 레벨 주석만으로 훈련된 딥 아키텍처를 제안하며, 이는 수술 영상에서 도구 존재 여부 검출과 위치 추정 모두에 사용될 수 있습니다. 우리의 아키텍처는 완전 컨벌루션 신경망(fully convolutional neural network)을 기반으로 하며, 엔드투엔드(end-to-end)로 훈련되어 명시적인 공간적 주석 없이도 수술 도구를 위치 추정할 수 있게 합니다. 우리는 큰 공개 데이터셋인 Cholec80에서 우리 접근 방식의 장점을 입증하였습니다. 이 데이터셋은 바이너리 도구 존재 정보로 완전히 주석이 달려 있으며, 평가를 위해 5개의 동영상에는 바운딩 박스와 도구 중심 좌표로 완전히 주석이 달려 있습니다.