腹腔鏡データセットにおける低リソース環境での外科技術トレーニングのためのリアルタイムツール検出

科学分野:

• コンピュータビジョン
• 医療トレーニング
• 外科技術評価

背景:

• 低リソース設定では、熟練した外科医が深刻に不足しています。
• ビデオ分析を使用したコンピュータ支援の外科技術評価は、代替トレーニングに不可欠です。
• 既存のツール検出モデルは複雑であり、インビトロトレーニングデータ用に最適化されていません。

研究 の 目的:

• リアルタイムの外科的ツール検出のためのさまざまなディープラーニングモデルを評価すること。
• カスタム腹腔鏡ボックストレーナーデータセットでモデルのパフォーマンスを評価すること。
• リソースが制約された環境での低コストの組み込みデバイスに適したモデルを特定すること。

主な方法:

• 複数のアンカーベースおよびアンカーフリーの畳み込みベースおよびトランスフォーマーベースのディープラーニングモデルをテストしました。
• インハウスの腹腔鏡ボックストレーナデータセットでモデルを評価しました。
• NVIDIA Jetson Orin Nanoなどのハードウェアでのリアルタイムパフォーマンスメトリクス（推論時間、FPS）に焦点を当てました。

主要な成果:

• YOLOv8-Xは、mAP50で99.5％、mAP50:95で96.6％と最高の精度を示しました。
• YOLOv8-Xは、Jetson Orin Nanoで23.5 ms（42.6 FPS）の推論時間を達成しました。
• YOLOv11-Nは最も効率的で、推論時間は3.1 ms（322.6 FPS）であり、精度の低下は最小限でした。

結論:

• ディープラーニングモデルは、スキル評価のためのリアルタイムの外科的ツール検出を効果的に実行できます。
• YOLOv8-XおよびYOLOv11-Nは、リソースが制約された設定での外科技術トレーニングに大きな可能性を示しています。
• この調査結果は、アクセス可能なコンピュータ支援の外科技術トレーニングツールの開発をサポートしています。