laparoscopic 基于图像的关键动作识别和预测,具有可解释的特征

科学领域:

• 计算机科学 计算机科学
• 医疗信息学 医疗信息学
• 手术技术 手术技术

背景情况:

• 手术工作流分析对于实时手术支持系统至关重要.
• 准确地识别和预测手术操作对于有效的手术指导至关重要.
• 现有的方法在体外外科手术场景中缺乏稳定性和可解释性.

研究的目的:

• 为细粒度的外科手术工作流分析提出一个新的框架.
• 提高关键动作识别的稳定性和可解释性.
• 为了提高手术仪器运动趋势的预测准确度.

主要方法:

• 开发了一个框架,包括行动认可的操作经验.
• 利用具有可解释特征空间的层次分类结构.
• 在极坐标系 (PCS) 中模拟仪器运动原体,用于轨迹预测.
• 实现了自适应模式识别 (APR) 来处理腹腔镜外科变异.

主要成果:

• 在关键动作识别方面取得了非常高的准确性.
• 在手术意识任务中证明了实时性能.
• 成功预测仪器运动趋势,准确度提高.

结论:

• 拟议的框架通过强大的动作识别和准确的运动预测,显著提高了外科意识.
• 运营经验和自适应模式识别的整合提高了复杂的生物环境中的系统性能.
• 这种方法为推进实时手术支持系统提供了一个有希望的方向.