将人工智能带入手术室:边缘计算用于实时手术阶段识别
Sarah Choksi1, Skyler Szot2, Chengbo Zang2
1Intraoperative Performance Analytics Laboratory (IPAL), Department of Surgery, Lenox Hill Hospital, Northwell Health, 186 E 76th Street, 1st Fl, New York, NY, 10021, USA. Schoksi1@northwell.edu.
Surgical endoscopy
|August 14, 2023
概括
这项研究开发了一种人工智能驱动的系统,用于实时手术阶段识别机器人 inguinal hernia 修复. 计算机视觉模型实现了68.7%的平均准确性,有助于优化工作流程和外科评估.
科学领域:
- 机器人手术是一种机器人手术.
- 计算机视觉 计算机视觉 计算机视觉
- 人工智能的人工智能是人工智能.
背景情况:
- 自动化手术阶段识别对于在手术中推进计算机视觉 (CV) 算法至关重要.
- 人工智能的一种形式CV利用深度学习 (DL) 来进行图像解释,并通过GPU计算来进行实时视频分析来增强.
- 边缘计算可实现实时CV算法应用,这对于优化外科手术工作流程至关重要.
研究的目的:
- 实施和评估实时阶段识别工作流程,用于机器人 inguinal hernia 修复 (RIHR).
- 评估基于DL的CV模型的性能,用于在手术过程中自动预测手术阶段.
主要方法:
- 一个具有ResNet-50骨干的DL模型在211个RIHR视频中接受了训练,并对14个阶段进行了注释.
- 该模型部署在Nvidia Jetson Xavier NX边缘计算设备上,用于实时处理.
- 记录后处理,包括将阶段合并为七个阶段和平均,改进预测.
主要成果:
- 实时阶段识别模型在10个RIHR程序中实现了68.7%的平均精度.
- 预测是在大约250毫秒的延迟时间生成的,每秒一次.
- 该模型显示预测准确度范围为59.8%至78.2%.
结论:
- 一个基于CV的RIHR实时阶段预测系统已成功实施.
- 这个系统可以增强手术进展监测.
- 将其集成到软件中可以优化医院的工作流.
