Visual tracking of surgical instruments is a key component of various computer-assisted interventions, yet a very challenging problem in the field of Computer Vision. This dissertation presents novel approaches which leverage machine learning techniques for precise real-time tracking and 2D pose estimation of instruments. The achieved results demonstrate that the proposed methods based on Random Forests and Deep Learning provide remarkable advantages with respect to the state of the art in terms of accuracy, robustness and generalization.     «

Visual tracking of surgical instruments is a key component of various computer-assisted interventions, yet a very challenging problem in the field of Computer Vision. This dissertation presents novel approaches which leverage machine learning techniques for precise real-time tracking and 2D pose estimation of instruments. The achieved results demonstrate that the proposed methods based on Random Forests and Deep Learning provide remarkable advantages with respect to the state of the art in terms...     »

Das visuelle Tracking von chirurgischen Instrumenten stellt einen Kernbestandteil für eine Vielzahl computergestützter Eingriffe dar – gleichzeitig jedoch auch ein sehr anspruchsvolles Problem der Computer Vision. Diese Dissertation präsentiert neuartige Ansätze, um Techniken des maschinellen Lernens für Echtzeit-Tracking und 2D-Posenbestimmung von Instrumenten einzusetzen. Die erzielten Ergebnisse verdeutlichen, dass die auf Random-Forests oder Deep-Learning basierenden entwickelten Methoden in Bezug auf Präzision, Robustheit und Generalisierung bemerkenswerte Vorteile gegenüber dem bisherigen Stand der Forschung aufweisen.     «

Das visuelle Tracking von chirurgischen Instrumenten stellt einen Kernbestandteil für eine Vielzahl computergestützter Eingriffe dar – gleichzeitig jedoch auch ein sehr anspruchsvolles Problem der Computer Vision. Diese Dissertation präsentiert neuartige Ansätze, um Techniken des maschinellen Lernens für Echtzeit-Tracking und 2D-Posenbestimmung von Instrumenten einzusetzen. Die erzielten Ergebnisse verdeutlichen, dass die auf Random-Forests oder Deep-Learning basierenden entwickelten Methoden in...     »