Durante cirurgias endoscópicas, o cirurgião precisa conhecer em tempo real a localização dos instrumentos cirúrgicos. Os algoritmos atuais de detecção de objetos são afetados por reflexos e sombras, deixando espaço para melhorias na precisão e na taxa de falsos negativos. Este artigo propõe um método de detecção e segmentação de instrumentos cirúrgicos baseado em uma versão aprimorada do YOLOv5s. Primeiramente, a correção gama é aplicada para ajustar o brilho e o contraste da imagem, resolvendo problemas de reflexos e sombras nos instrumentos; em seguida, são projetados módulos CBAM e convolução dinâmica para aumentar o peso das características importantes, melhorando a precisão da detecção e reduzindo a taxa de falsos negativos; simultaneamente, o módulo de pooling piramidal espacial é otimizado para ampliar o campo receptivo, facilitando o reconhecimento de objetos em múltiplas escalas; finalmente, é projetada uma cabeça de segmentação semântica FPN para implementar a função de segmentação semântica. Resultados experimentais em um conjunto de dados de cirurgias endoscópicas mostram que o mAP@0.5 da detecção é 98,2% e o mIoU da segmentação semântica é 94,0%. O método proposto pode auxiliar cirurgiões a identificar rapidamente a localização e o tipo dos instrumentos cirúrgicos, aumentando a eficiência cirúrgica.

instrumentos cirúrgicos;detecção de objetos;segmentação semântica;mecanismo de atenção