一种基于内窥镜影像的实时手术器械检测方法技术

本发明专利技术公开了一种基于内窥镜影像的实时手术器械检测方法，将基准YOLOV3网络中的DarkNet53特征提取器更换为MobileNetV3网络，将MobileNetV3网络中的SE通道注意力机制替换为CBAM混合注意力机制,基于以上的改进方式，在特征提取模块中能有效减少模型参数及计算量，并且混合注意力模块的使用能够更加突出关键特征表达，抑制无用特征；在特征融合模块，改进的PANet在提高网络训练速度同时，有效缓解信息丢失问题；在网络的分类模块，设置一个与目标框重叠程度关联的衰减函数，能够缓解因重叠导致的误删情况，降低误删目标框的个数，提高模型召回率。高模型召回率。高模型召回率。

【技术实现步骤摘要】
一种基于内窥镜影像的实时手术器械检测方法


[0001]本专利技术涉及临床及手术机器人
，特别是涉及一种基于内窥镜影像的实时手术器械检测方法。

技术介绍

[0002]微创手术指在手术中采用特定手术器械经由小切口插入到病人身体中并进行相关操作的一类手术，因微创手术创伤面积小、疼痛指数低、恢复速度快受到广大患者的青睐。目前腹腔镜手术是微创手术中应用最多的一类手术，在微创手术的计算机辅助干预系统中，计算机应用可体现到两个方面：一方面为手术期间的应用，具体包含手术机器人辅助医师操作、手术操作异常提醒，以提高手术质量及安全性；另一方面为手术后的应用，具体包含手术质量评估、预后分析、年轻医生教育及培训等，具有极高珍贵价值。
[0003]手术器械作为内窥镜影像中最为突出且标志性的目标对象，被认为是主导手术整个过程的主要因素，手术器械检测是计算机技术在术前及术后应用中的首要或主要任务。近年来，基于计算机视觉的手术器械检测近来受到极大关注。在手术期间，基于手术器械的检测有助于手术动作及手术阶段的识别，进而能够更好地实现手术机器人的自动化及智能化。另外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于内窥镜影像的实时手术器械检测方法，其特征在于，包含以下步骤：步骤1、将基准YOLOV3网络中的DarkNet53特征提取器更换为MobileNetV3网络，利用深度可分离卷积替换标准卷积操作，构建轻量级的目标检测模型；步骤2、将MobileNetV3网络中的SE通道注意力机制替换为CBAM混合注意力机制，以此融合输入图像中空间关系及通道维度信息；步骤3、将YOLOV3网络中的FPN特征融合模块替换为PANet网络，以自下而上及自上而下的双路并行方式融合不同层次特征，缓解特征丢失问题，此外，采用深度可分离卷积替换PANet中的标准卷积操作，在缓解浅层特征丢失的同时，降低模型参数量，提高网络训练速度；步骤4、采用DIoU作为非极大抑制准测，解决由于目标遮挡导致的漏检问题。2.根据权利要求1的一种基于内窥镜影像的实时手术器械检测方法，其特征在于，所述基准YOLOV3网络由特征提取、特征融合...

【专利技术属性】
技术研发人员：李玉琴，蒋振刚，师为礼，李永辉，李岩芳，苗语，何巍，何飞，赵家石，张科，冯冠元，曲峰，张丽媛，秦俊，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：