nach oben

Erschienen in:

2017 | Supplement | Buchkapitel

Concurrent Segmentation and Localization for Tracking of Surgical Instruments

verfasst von : Iro Laina, Nicola Rieke, Christian Rupprecht, Josué Page Vizcaíno, Abouzar Eslami, Federico Tombari, Nassir Navab

Erschienen in: Medical Image Computing and Computer-Assisted Intervention − MICCAI 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Real-time instrument tracking is a crucial requirement for various computer-assisted interventions. To overcome problems such as specular reflection and motion blur, we propose a novel method that takes advantage of the interdependency between localization and segmentation of the surgical tool. In particular, we reformulate the 2D pose estimation as a heatmap regression and thereby enable a robust, concurrent regression of both tasks via deep learning. Throughout experimental results, we demonstrate that this modeling leads to a significantly better performance than directly regressing the tool position and that our method outperforms the state-of-the-art on a Retinal Microsurgery benchmark and the MICCAI EndoVis Challenge 2015.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel An Approach for Needle Based Optical Coherence Elastography Measurements

Nächstes Kapitel Surgical Soundtracks: Towards Automatic Musical Augmentation of Surgical Procedures

MICCAI 2015 Endoscopic Vision Challenge Instrument Segmentation and Tracking Sub-challenge http://endovissub-instrument.grand-challenge.org.

The challenge administrators believe that the ground truth regarding tracking for sequence 5 and 6 is not as accurate as for the rest of the sequences.

Bouget, D., Allan, M., Stoyanov, D., Jannin, P.: Vision-based and marker-less surgical tool detection and tracking: a review of the literature. Med. Image Anal. 35, 633–654 (2017)CrossRef

Sznitman, R., Richa, R., Taylor, R.H., Jedynak, B., Hager, G.D.: Unified detection and tracking of instruments during retinal microsurgery. IEEE Trans. Pattern Anal. Mach. Intell. 35(5), 1263–1273 (2013)CrossRef

Rieke, N., Tan, D.J., Amat di San Filippo, C., Tombari, F., Alsheakhali, M., Belagiannis, V., Eslami, A., Navab, N.: Real-time localization of articulated surgical instruments in retinal microsurgery. Med. Image Anal. 34, 82–100 (2016)CrossRef

Bouget, D., Benenson, R., Omran, M., Riffaud, L., Schiele, B., Jannin, P.: Detecting surgical tools by modelling local appearance and global shape. Trans. Med. Imaging 34(12), 2603–2617 (2015)CrossRef

Zhou, J., Payandeh, S.: Visual tracking of laparoscopic instruments. J. Autom. Cont. Eng. 2(3), 234–241 (2014)CrossRef

Rieke, N., Tan, D.J., Tombari, F., Vizcaíno, J.P., Amat di San Filippo, C., Eslami, A., Navab, N.: Real-time online adaption for robust instrument tracking and pose estimation. In: Ourselin, S., Joskowicz, L., Sabuncu, M.R., Unal, G., Wells, W. (eds.) MICCAI 2016. LNCS, vol. 9900, pp. 422–430. Springer, Cham (2016). doi:10.1007/978-3-319-46720-7_49CrossRef

Sarikaya, D., Corso, J., Guru, K.: Detection and localization of robotic tools in robot-assisted surgery videos using deep neural networks for region proposal and detection. IEEE Trans. Med. Imaging 36(7), 1542–1549 (2017). doi:10.1109/TMI.2017.2665671CrossRef

Allan, M., Ourselin, S., Thompson, S., Hawkes, D.J., Kelly, J., Stoyanov, D.: Toward detection and localization of instruments in minimally invasive surgery. IEEE Trans. Biomed. Eng. 60, 1050–1058 (2013)CrossRef

Reiter, A., Allen, P.K., Zhao, T.: Marker-less articulated surgical tool detection. In: Proceedings of Computer Assisted Radiology and Surgery, vol. 7, pp. 175–176 (2012)

10.

García-Peraza-Herrera, L.C., et al.: Real-time segmentation of non-rigid surgical tools based on deep learning and tracking. In: Peters, T., Yang, G.-Z., Navab, N., Mori, K., Luo, X., Reichl, T., McLeod, J. (eds.) CARE 2016. LNCS, vol. 10170, pp. 84–95. Springer, Cham (2017). doi:10.1007/978-3-319-54057-3_8CrossRef

11.

Laina, I., Rupprecht, C., Belagiannis, V., Tombari, F., Navab, N.: Deeper depth prediction with fully convolutional residual networks. In: International Conference on 3D Vision (3DV), pp. 239–248. IEEE (2016)

12.

He, K., Zhang, X., Ren, S., Sun, J.: Deep residual learning for image recognition. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp. 770–778 (2016)

13.

Ronneberger, O., Fischer, P., Brox, T.: U-Net: convolutional networks for biomedical image segmentation. In: Navab, N., Hornegger, J., Wells, W.M., Frangi, A.F. (eds.) MICCAI 2015. LNCS, vol. 9351, pp. 234–241. Springer, Cham (2015). doi:10.1007/978-3-319-24574-4_28CrossRef

14.

Sznitman, R., Becker, C., Fua, P.: Fast part-based classification for instrument detection in minimally invasive surgery. In: Golland, P., Hata, N., Barillot, C., Hornegger, J., Howe, R. (eds.) MICCAI 2014. LNCS, vol. 8674, pp. 692–699. Springer, Cham (2014). doi:10.1007/978-3-319-10470-6_86CrossRef

Titel: Concurrent Segmentation and Localization for Tracking of Surgical Instruments
verfasst von: Iro Laina
Nicola Rieke
Christian Rupprecht
Josué Page Vizcaíno
Abouzar Eslami
Federico Tombari
Nassir Navab
Verlag: Springer International Publishing
Buch: Medical Image Computing and Computer-Assisted Intervention − MICCAI 2017
Print ISBN: 978-3-319-66184-1

Electronic ISBN: 978-3-319-66185-8

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-66185-8_75

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner