通过对象检测和隐藏的马尔科夫建模,自动总结内镜骨基外科视频
Daniel King1, Lingga Adidharma2, Haonan Peng1
1University of Washington, ECE, Seattle, WA, USA.
概括
一种新方法自动总结内镜内外科手术视频,缩短长度98.2%,同时保留84%的关键医疗场景. 这种先进的视频总结确保了医疗专业人员高质量,相关的内容.
科学领域:
- 医疗技术 医疗技术 医学技术
- 计算机视觉 计算机视觉
- 手术创新 在外科创新.
背景情况:
- 由于文件大小,内镜内外科手术视频很少被审查或保存.
- 手动视频编辑是耗时的,需要数小时的时间来识别和拼接关键的手术段.
研究的目的:
- 开发一种新的多阶段视频总结程序,用于内镜内外科手术.
- 创建具有代表性的视频摘要,保留关键的医疗信息,同时减少文件大小.
主要方法:
- 利用深度语义特征,工具检测和时间对应用于视频分析.
- 实施了多阶段的总结过程,以识别和提取关键的手术场景.
- 将开发的方法与领先的商业和开源总结工具进行了比较.
主要成果:
- 实现了98.2%的视频长度缩短.
- 在总结的视频中保存了84%的关键医疗场景.
- 将无关内容 (例如镜头清洁,模糊框架) 降至最低,仅为1%.
结论:
- 这种新的视频总结方法显著减少了视频长度,同时保留了必要的外科内容.
- 摘要视频证明了与通用工具相比,关键场景的优越相关性和保存.
- 专家评估表明,同行共享的质量足够,突出了该方法的临床适用性.
