内視鏡手術の過程で、外科医は手術器具の位置情報をリアルタイムで把握する必要があります。既存の物体検出アルゴリズムは反射や影の影響を受けており、その精度と検出漏れ率には改善の余地があります。本稿では、改良されたYOLOv5sに基づく手術器具の検出およびセグメンテーション手法を提案します。まず、ガンマ補正アルゴリズムを用いて画像の明るさとコントラストを補正し、手術器具の反射や影の遮蔽問題を解決します。次に、重要な特徴情報の重みを増加させるためにCBAMおよび動的畳み込みモジュールを設計し、物体検出の精度を向上させ、モデルの検出漏れ率を低減します。同時に、空間ピラミッドプーリングモジュールを最適化して受容野を拡大し、マルチスケールのターゲット認識を向上させます。最後に、セマンティックセグメンテーション機能を実現するためにFPNセマンティックセグメンテーションヘッドを設計します。内視鏡手術データセットでの実験結果により、本手法の物体検出mAP@0.5は98.2％、セマンティックセグメンテーションmIoUは94.0％であることが示されました。提案手法は外科医が手術器具の位置と種類を迅速に把握するのを支援し、手術効率を向上させます。

手術器具;物体検出;セマンティックセグメンテーション;注意機構