Durante una cirugía endoscópica, el cirujano necesita conocer en tiempo real la ubicación de los instrumentos quirúrgicos. Los algoritmos actuales de detección de objetos se ven afectados por reflejos y sombras, lo que deja espacio para mejorar su precisión y tasa de omisión. Este artículo propone un método de detección y segmentación de instrumentos quirúrgicos basado en un YOLOv5s mejorado. Primero, se corrige el brillo y contraste de la imagen mediante un algoritmo de corrección gamma para solucionar problemas de reflejos y sombras en los instrumentos; luego, se diseñan módulos CBAM y convolución dinámica para aumentar el peso de las características importantes, mejorando la precisión de la detección y reduciendo la tasa de omisión; simultáneamente, se optimiza el módulo de agrupación piramidal espacial para ampliar el campo receptivo y reconocer mejor objetos de diferentes escalas; finalmente, se diseña una cabeza de segmentación semántica FPN para lograr la función de segmentación semántica. Los resultados experimentales en un conjunto de datos de cirugías endoscópicas muestran que el mAP@0.5 de la detección es del 98.2 % y el mIoU de la segmentación semántica es del 94.0 %. El método propuesto puede ayudar a los cirujanos a conocer rápidamente la ubicación y tipo de los instrumentos quirúrgicos, mejorando la eficiencia quirúrgica.

instrumentos quirúrgicos;detección de objetos;segmentación semántica;mecanismo de atención