Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales

Este documento es un reporte de la evaluación de modelos de redes convolucionales para la detección de presencia o ausencia de instrumental quirúrgico en cirugías mínimamente invasivas. Los modelos se evaluan con dos métricas diferentes: Precisión media y F-Score. Se utiliza la base de datos del desafío de detección de instrumental quirúrgico del foro para el Modelado y Monitoreo de Intervenciones Asistidas por Computadora (M2CAI) en el año 2016. La evaluación se realiza para siete clasificadores diferentes para igual número de instrumentos y se compara con los resultados del desafío. Los modelos usados son redes neuronales convolucionales que hacen parte del aprendizaje profundo. Algunas de las redes integran información tanto espacial como temporal. Nosotros proponemos una nueva red neuronal convolucional que fusiona dos modelos del estado del arte. Las redes que utilizan información temporal tienen un mejor desempeño que las redes que utilizan únicamente información espacial sin importar la métrica de evaluación.

• Autores: Acosta Herrera, Carlos Arturo
• Fecha de publicación: 2017
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/34268
• Acceso en línea: http://hdl.handle.net/1992/34268
• Palabra clave: Procesamiento de imágenes - Aplicaciones médicas - Investigaciones; Redes neuronales convolucionales - Investigaciones; Cirugía asistida por computador - Investigaciones; Aprendizaje supervisado (Aprendizaje automático) - Investigaciones; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/