换一批基于SAM2的腹腔镜手术多目标自动分割方法
SAM2-based multi-objective automatic segmentation method for laparoscopic surgery
摘要腹腔镜术中场景的自动分割是手术机器人实现自主操作的关键基础,当前仍面临三重挑战:手术目标间纹理高度相似且边界模糊,导致相似目标难以精确分割;从亚毫米级缝合线到厘米级脏器组织存在显著尺度差异,制约了多目标同步分割精度提升;运动伪影和烟雾遮挡等干扰进一步影响术中多目标完整分割的鲁棒性.为此,提出基于视觉大模型SAM2 的腹腔镜手术多目标自动分割方法(SAM2-MSNet).采用LoRA+微调策略优化SAM2 图像编码器,高效适配腹腔镜图像的纹理特征表达;设计跨尺度特征同步提取模块,实现多尺度目标的精确分割;构建特征关系全局感知模块,增强网络对运动伪影及烟雾遮挡等干扰的鲁棒性;并引入方向梯度直方图驱动的伪标签辅助监督机制,显著提升目标边缘分割精度.实验结果表明,SAM2-MSNet 在Endovis2018 和AutoLaparo数据集上分别取得了 70.2%和 69.6%的平均交并比(mIoU),和 78.5%和 75.0%的平均Dice系数(mDice).在推理速度与SAM2-UNet相当(23 帧/秒 VS.25 帧/秒)的前提下,其分割精度显著提升了3.0%和 6.7%(mIoU)和 2.8%和 6.8%(mDice).SAM2-MSNet实现了对腹腔镜手术场景高精度全自动分割,为手术机器人自主化进程提供了关键技术支撑.
更多相关知识
关键词
腹腔镜手术场景分割视觉大模型跨尺度特征同步提取特征关系全局感知伪标签辅助监督laparoscopic surgical scene segmentationvisual large modelsynchronous extraction of cross-scale featuresglobal perception of feature relationshipspseudo-label assisted supervision
分类号
R656（外科学各论）TP391
栏目名称
DOI
10.11996/JG.j.2095-302X.2025050969
发布时间
2025-09-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
