P-CSEM:一个注意力模块,用于改进腹腔镜外科工具检测
Herag Arabian1, Tamer Abdulbaki Alshirbaji1,2, Nour Aldeen Jalal1,2
1Institute of Technical Medicine (ITeM), Furtwangen University, 78054 Villingen-Schwenningen, Germany.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
这项研究引入了一种深度学习模型,采用定制的注意力模块 (P-CSEM) 来准确地分类腹腔镜手术期间的手术工具. 改进后的模型显著提高了工具识别的精度,帮助外科医生实时决策.
科学领域:
- 医疗技术 医学技术
- 计算机视觉 计算机视觉 计算机视觉
- 手术机器人手术机器人手术机器人手术机器人
背景情况:
- 腹腔镜手术需要实时数据,以提高患者的安全性和程序效率.
- 确定手术工具和阶段对于有效的手术辅助至关重要.
- 目前的方法需要强大的工具分类来增强外科手术工作流程.
研究的目的:
- 在腹腔镜视频中开发一个深度学习框架,用于精确的外科工具分类.
- 使用自定义注意模块 (P-CSEM) 增强空间特征的精细化.
- 为了提高手术工具识别的准确性和稳定性.
主要方法:
- 使用使用卷积神经网络 (CNN) 的深度学习框架.
- 在CNN架构的各个级别中集成了一个定制的P-CSEM注意力模块.
- 该模型在Cholec80数据集上进行了训练和验证.
主要成果:
- 注意集成模型实现了93.14%的平均平均精度.
- 视觉化证实了模型的重点是相关的工具特征.
- P-CSEM模块展示了有效的空间特征精细化.
结论:
- 集成像P-CSEM这样的注意力模块可以提高手术工具分类的准确性.
- 拟议的深度学习方法为腹腔镜外科手术中实时工具识别提供了强大的解决方案.
- 这项技术可以显著有利于外科导航和患者安全.
更多相关视频
03:34Laparoscopic Duodenum-Preserving Pancreatic Head Resection via Inferior Infracolic Approach: A Surgical Approach for Benign Lesions
Published on: February 9, 2024
436
07:47Author Spotlight: 3D Scanning and Augmented Reality for Enhanced Cancer Surgery Communication
Published on: December 15, 2023
736
