Mejorar la detección de objetos quirúrgicos en la colecistectomía laparoscópica con el modelado de relaciones...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Tecnología quirúrgica

Sus antecedentes:

• La colecistectomía laparoscópica (LC) es un procedimiento quirúrgico complejo común.
• La integración de la Inteligencia Artificial (IA) puede ayudar en la detección de estructuras anatómicas durante el LC.
• Asegurar la fiabilidad de la IA requiere precisión, robustez y efectividad.

Objetivo del estudio:

• Proponer un modelo basado en relaciones para mejorar la detección de objetos quirúrgicos en imágenes de LC.
• Para analizar las relaciones de objetos utilizando un codificador de relación posicional y un mecanismo de atención progresiva.
• Para validar el rendimiento del modelo en dos conjuntos de datos de LC ampliamente utilizados.

Principales métodos:

• Se desarrolló un modelo basado en relaciones que incorporaba un codificador de relaciones posicionales y un refinado mecanismo de atención progresiva.
• El modelo fue evaluado en dos conjuntos de datos estándar de LC (Endoscapes y m2cai16-tool-locations) utilizando protocolos oficiales.
• Los resultados de la correlación macroscópica (MC) analizaron las diferencias de fuerza de la relación posicional entre conjuntos de datos.

Principales resultados:

• El modelo propuesto demostró mejoras significativas en la precisión y la eficacia de ambos conjuntos de datos.
• Superó a los modelos de referencia en un 33,95% en la precisión media global (AP) en el conjunto de datos de Endoscapes.
• Se lograron mejoras sustanciales en la AP para la placa quística (90,32%) y el triángulo HC (92,46%), y hasta un 17,97% de mejora en la AP para el conjunto de datos de ubicación de la herramienta m2cai16.
• El postprocesamiento redujo las cajas de límite redundantes en más del 90%.

Conclusiones:

• El modelo de IA basado en relaciones mejora con precisión y eficacia la detección de objetos quirúrgicos en la colecistectomía laparoscópica.
• El análisis de las relaciones posicionales es clave para mejorar la detección de objetos quirúrgicos críticos.
• El modelo es prometedor para aplicaciones clínicas más amplias en la asistencia quirúrgica.