获取和使用机器人外科数据用于机器学习分析
Nasseh Hashemi1,2,3,4, Morten Bo Søndergaard Svendsen5,6, Flemming Bjerrum5,7
1Department of Clinical Medicine, Aalborg University Hospital, Aalborg, Denmark. nasseh.hashemi@gmail.com.
Surgical endoscopy
|June 30, 2023
概括
本研究介绍了一种结构化的方法,用于收集和准备机器人辅助手术 (RAS) 数据,用于人工智能 (AI) 分析. 这种方法旨在促进人工智能驱动的外科医生评估,克服当前临床实施障碍.
科学领域:
- 机器人在医学中的机器人
- 进行外科手术培训.
- 医疗保健中的人工智能
背景情况:
- 机器人辅助手术 (RAS) 的采用需要有效的外科医生评估方法.
- 目前基于专家的评估是资源密集的.
- 人工智能 (AI) 提供了一个有希望的替代方案,但缺乏用于临床使用的标准化数据准备协议.
研究的目的:
- 开发和测试一个结构化的协议,用于获取和准备数据,以基于人工智能对机器人辅助手术中的外科医生进行评估.
- 解决AI在临床环境中实施的障碍,原因是缺乏标准化数据准备方法.
主要方法:
- 为数据采集和准备制定了一个结构化的指南,包括捕获手术机器人视频数据和外科医生3D运动数据.
- 数据准备涉及诸如捕获图像数据,提取事件数据,捕获外科医生移动数据和注释图像数据等步骤.
- 该方法在使用达芬奇Si和达芬奇Xi手术机器人的猪模型上进行了测试.
主要成果:
- 188个视频 (94个机器人,94个外科医生运动) 从15名参与者 (11名新手,4名经验丰富) 进行了10次腹腔RAS手术.
- 事件数据,运动数据和标签已经成功地从原始数据中提取并准备用于AI利用.
- 该研究证明了从机器人手术系统收集,准备和注释各种数据类型的可行性.
结论:
- 描述的方法允许从手术机器人系统收集,准备和注释图像,事件和运动数据.
- 这种结构化的方法促进了人工智能在机器人辅助手术中用于外科医生绩效评估的整合.
- 标准化数据准备对于推进AI在外科培训和评估中的临床应用至关重要.
