基于自动手术阶段识别的技能评估,使用多中心视频进行腹腔镜远距离胃切除术
Masaru Komatsu1,2,3, Daichi Kitaguchi2, Masahiro Yura1
1Gastric Surgery Division, National Cancer Center Hospital East, 6-5-1 Kashiwanoha, Kashiwa, Chiba, 277-8577, Japan.
概括
这项研究开发了一种深度学习模型,用于腹腔镜远端胃切除术中的手术阶段识别. 该模型准确地识别了手术阶段,并显示了自动手术技能评估的潜力.
科学领域:
- 医疗人工智能 医疗人工智能
- 手术技术 手术技术
- 计算病理学计算病理学
背景情况:
- 胃外科手术的阶段可以明确定义,通过深度学习实现造型.
- 基于深度学习的外科阶段识别有助于自动评估外科技能.
研究的目的:
- 开发一种深度学习模型,用于腹腔镜远端胃切除术中的手术阶段识别.
- 评估使用该模型进行自动外科技能评估的可行性.
主要方法:
- 利用来自20家医院的腹腔镜远端胃切除术的多中心视频.
- 开发了一个深度学习图像分类模型,用于九个定义的手术阶段.
- 与手工技能评估分数相关的模型输出 (数,外科领域的充分性).
主要成果:
- 在手术阶段识别中获得了88.8%的整体准确性.
- 高技能组在淋巴切除术和重建阶段 (P < 0.01) 显示了显著较少的.
- 模型评估的外科实地充分性在高技能组显著更高 (P = 0.04).
结论:
- 开发的深度学习模型在识别手术阶段方面表现出高准确度.
- 该模型在自动化外科技能评估系统中具有很大的应用潜力.
