내시경 수술 과정에서 외과의사는 수술 도구의 위치 정보를 실시간으로 파악해야 합니다. 기존의 객체 검출 알고리즘은 반사 및 그림자 등의 영향으로 정확도와 누락률을 개선할 여지가 있습니다. 본 논문에서는 개선된 YOLOv5s 기반의 수술 도구 검출 및 분할 방법을 제안합니다. 우선, 감마 보정 알고리즘을 통해 이미지의 밝기와 대비를 보정하여 수술 도구의 반사 및 그림자 차단 문제를 해결합니다; 다음으로, 중요한 특징 정보의 가중치를 높이기 위해 CBAM 및 동적 합성곱 모듈을 설계하여 객체 검출 정확도를 향상시키고 모델의 누락률을 줄입니다; 동시에 다중 크기 객체 인식을 위해 수용 영역을 확장하기 위해 공간 피라미드 풀링 모듈을 최적화합니다; 마지막으로 의미 분할 기능을 구현하기 위해 FPN 의미 분할 헤드를 설계합니다. 내시경 수술 데이터셋에서의 실험 결과, 본 논문의 객체 검출 mAP@0.5는 98.2%, 의미 분할 mIoU는 94.0%임을 보여줍니다. 제안된 방법은 외과의사가 수술 도구의 위치와 종류를 빠르게 파악하여 수술 효율성을 향상시키는 데 도움을 줄 수 있습니다.

수술 도구;객체 검출;의미 분할;어텐션 메커니즘