CatStep:自动化的白内障手术阶段分类和边界细分利用膨胀的3D卷积神经网络架构和BigCat
Ossama Mahmoud1,2, Han Zhang3, Nicholas Matton4
1Department of Ophthalmology and Visual Sciences, Kellogg Eye Center, University of Michigan, Ann Arbor, Michigan.
Ophthalmology science
|December 6, 2023
概括
在白内障手术中,使用CatStep模型实现了自动化手术阶段识别,实现了高精度. 这项技术增强了手术反和性能分析,以改善患者的治疗结果.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 机器学习 机器学习
背景情况:
- 在白内障手术中精确识别手术阶段对于性能分析和反至关重要.
- 分析每个阶段所花费的时间有助于在质量和数量上评估外科操作.
研究的目的:
- 开发和评估用于白内障手术视频中手术阶段自动细分的机器学习模型.
- 评估这些模型在识别不同的外科手术阶段以改善反方面的表现.
主要方法:
- 来自BigCat数据集的190个白内障手术视频的回顾性分析.
- 开发和培训四个机器学习架构用于手术阶段细分.
- 使用框架逐框架和新型阶段级指标进行评估.
主要成果:
- 时间和空间网络的混合体CatStep模型实现了0.91的F1得分和0.95.95的AUC.
- 阶段级分析显示了高精度,绝对误差的中位数为0.3s (开始) 和0.1s (结束).
- 分段F1得分,超分段和编辑得分表明了强的表现.
结论:
- 在白内障手术中,高性能自动化手术阶段识别被证明是可行的.
- CatStep模型显示了提高手术反和性能分析的巨大潜力.
- 这种进步可以导致更客观,更有效的外科培训和评估.
