在腹腔镜胆囊切除术中的阶段,步骤和任务的自动细分,使用深度学习
Shruti R Hegde1, Babak Namazi1, Niyenth Iyengar1
1Department of Surgery, University of Texas Southwestern Medical Center, 5323 Harry Hines Blvd., Dallas, TX, 75390-9159, USA.
Surgical endoscopy
|November 9, 2023
概括
这项研究开发了一种AI模型,用于使用层次任务分析 (HTA) 进行自动化外科视频分析. 人工智能模型在腹腔镜胆囊切除视频中成功细分了阶段,步骤和任务,提高了绩效评估的效率.
科学领域:
- 人工智能在医学中的应用
- 手术教育技术 技术手术教育
- 医学图像分析 医学图像分析
背景情况:
- 手动审查手术视频以评估性能是耗时的.
- 层次任务分析 (HTA) 为剖析外科手术提供了一个结构化的方法.
- 针对外科视频的HTA自动化需要大量,一致的注释数据集.
研究的目的:
- 开发一种人工智能模型,用于在腹腔镜胆囊切除视频中自动细分阶段,步骤和任务.
- 为人工智能模型培训应用标准化的层次任务分析 (HTA) 框架.
- 通过人工智能提高运营绩效评估的效率和准确性.
主要方法:
- 从公共和机构来源收集了160个腹腔镜胆囊切除视频.
- 根据预定义的层次任务分析 (HTA) 结构进行注释的视频.
- 开发和训练使用3D卷积神经网络 (CNN) 架构进行阶段,步骤和任务细分的深度学习模型.
主要成果:
- 通过专家共识定义了四个阶段,八个步骤和十九个任务.
- 在阶段 (0.90) 和步骤 (0.81) 细分方面取得了高精度,对于任务 (0.65) 则具有中等精度.
- 确定了特定任务的定义和管理的变化,例如血流控制和胆汁泄漏.
结论:
- 层次任务分析 (HTA) 适用于基于人工智能的手术视频分析.
- 开发的分层人工智能方法有效地对外科手术进行细分.
- 这种方法对改善人工智能驱动的系统在外科培训和评估方面显示出希望.
