首页> 中文学位 >基于深度学习和时空域上下文学习的实时计算机辅助手术工具跟踪算法研究
【6h】

基于深度学习和时空域上下文学习的实时计算机辅助手术工具跟踪算法研究

代理获取

目录

声明

摘要

第一章 绪论

1.1 计算机辅助的微创手术工具跟踪算法概述

1.2 课题背景和国内外研究现状

1.2.1 课题背景

1.2.2 国内外研究现状

1.3 主要研究内容

1.4 论文结构

第二章 计算机辅助的微创手术工具跟踪算法基础理论

2.1 视频工具检测算法基本原理

2.1.1 卷积神经网络基础理论

2.2 视频工具实时跟踪原理

第三章 基于卷积神经网络和时空上下文学习的实时手术工具跟踪算法

3.1 定位策略

3.1.1 带有空间转换网络的精确定位卷积神经网络

3.1.2 粗略定位卷积神经网络

3.1.3 卷积神经网络的训练

3.2 跟踪策略

3.2.1 时空上下文学习帧间跟踪算法

3.2.2 跟踪策略及流程

3.3 实验及结果

3.3.1 比较算法和数据库的介绍

3.3.2 实验过程及结果

3.3.3 实验结果分析

3.4 ENDOSCOPIC VISION CHALLENG数据验证

4.1 论文工作总结

4.2 工作展望

参考文献

致谢

攻读学位期间发表的学术论文

展开▼

摘要

随着近数十年计算机技术和现代医疗技术的发展,计算机辅助手术技术从诞生起,就开始飞速发展,到现在已经成为一种热门的研究方向,并在产业化方面初具规模。在二十一世纪十几年来,计算机计算能力和速度几何级增长,图像处理、机器学习和人工智能相关算法和技术发展迅猛,微创手术越来越成为一种通用的手术选择,外科手术也有精密和医生与病人接触少的趋势,医疗的信息化成为现代医疗技术和临床医学必然趋势,所以计算机辅助的微创手术技术迅速进入现在临床医疗行业的研究前沿。计算机辅助的微创手术技术的一大核心技术就是利用相关理论对内窥镜手术视频图像中的手术工具进行实时跟踪,为主刀医生或手术机器人提供手术工具的空间位置和信息,方便医生执行手术或者是为手术机器人提供决策需要的信息,例如达芬奇手术机器人。而对手术工具空间位置的跟踪就是基于对内窥镜手术视频中的手术工具二维坐标实时准确的跟踪,为了达到二维实时准确跟踪的目标,本文提出了一种新的基于深度学习和上下文学习的实时手术工具跟踪算法。
  本文对计算机辅助手术和计算机辅助的手术工具跟踪算法的发展历程做了大致概述。结合当下流行的计算机辅助的手术工具跟踪算法的优缺点和如今热门的深度学习算法,提出了本文研究的内容,一种使用粗略定位网络和精确定位网络联合检测和时空上下文学习算法帧间跟踪的实时手术工具跟踪算法。本文的研究内容如下:
  1.构建卷积神经网络,并使用内窥镜手术工具跟踪数据库来训练了所使用的卷积神经网络,通过分类来识别视频图像中的手术工具。卷积神经网络有很好的图像分类能力,能够有效提取二维特征。本文中的卷积神经网络的架构启发于经典的卷积神经网络架构如AlexNet,GoogleNet,VGG等等,通过不断改进使网络趋于完善,比如引入了空间转换网络,能矫正目标的空间姿态,使网络训练中的检验误差下降,在有限的数据下减少过拟合现象。
  2.为了缩短检测时间,提出并实现了新的粗略定位网络,能通过卷积神经网络分类识别功能达到候选区域网络和图像处理交并比的相似效果,实现快速检测。此外,粗略定位网络配合相对精确的定位网络使用,能够缩小相对精确定位网络的检测范围,使用更小的步长遍历,检测更加精确。
  3.使用了时空上下文学习的实时帧间跟踪算法,配合粗略定位网络和相对精确定位网络,实现了对计算机辅助手术工具自动实时准确的跟踪算法。
  4.为了证明算法在准确率和速度上的优越性,在八种不同数据库上,与其他四种流行算法进行了比较多的实验。通过对平均误差,标准误差,成功率,误差曲线,FPS的对比,确定了本文定位跟踪策略的优越性,也证明了本文算法的实时准确性和研究方向的可行性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号