Detección de Herramientas Quirúrgicas en Tiempo Real en Conjuntos de Datos Laparoscópicos para Entrenamiento...

Área de la Ciencia:

• Visión por Computadora
• Entrenamiento Médico
• Evaluación de Habilidades Quirúrgicas

Sus antecedentes:

• Los entornos de bajos recursos enfrentan una escasez crítica de cirujanos capacitados.
• La evaluación de habilidades quirúrgicas asistida por computadora utilizando análisis de video es vital para el entrenamiento alternativo.
• Los modelos existentes de detección de herramientas son complejos y no están optimizados para datos de entrenamiento in vitro.

Objetivo del estudio:

• Evaluar varios modelos de aprendizaje profundo para la detección de herramientas quirúrgicas en tiempo real.
• Evaluar el rendimiento del modelo en un conjunto de datos personalizado de entrenador de caja laparoscópica.
• Identificar modelos adecuados para dispositivos integrados de bajo costo en entornos con recursos limitados.

Principales métodos:

• Se probaron múltiples modelos de aprendizaje profundo basados en anclas y sin anclas, basados en convoluciones y transformadores.
• Se evaluaron modelos en un conjunto de datos de entrenador de caja laparoscópica interno.
• Se centró en métricas de rendimiento en tiempo real (tiempo de inferencia, FPS) en hardware como NVIDIA Jetson Orin Nano.

Principales resultados:

• YOLOv8-X demostró la mayor precisión con mAP50 del 99,5% y mAP50:95 del 96,6%.
• YOLOv8-X logró un tiempo de inferencia de 23,5 ms (42,6 FPS) en el Jetson Orin Nano.
• YOLOv11-N fue el más eficiente, con un tiempo de inferencia de 3,1 ms (322,6 FPS), mostrando una caída mínima en la precisión.

Conclusiones:

• Los modelos de aprendizaje profundo pueden realizar de manera efectiva la detección de herramientas quirúrgicas en tiempo real para la evaluación de habilidades.
• YOLOv8-X y YOLOv11-N muestran un potencial significativo para el entrenamiento quirúrgico en entornos con recursos limitados.
• Los hallazgos respaldan el desarrollo de herramientas de entrenamiento quirúrgico accesibles y asistidas por computadora.