在微创脊椎手术中,模拟的结局对硬度切除术修复
Alan Balu1, Guillaume Kugener2, Dhiraj J Pangal2
1Department of Neurosurgery, Georgetown University School of Medicine, 3900 Reservoir Rd NW, Washington, D.C., 20007, USA. agb76@georgetown.edu.
Scientific data
|January 10, 2024
概括
研究人员创建了SOSpine,这是一个创新的微创脊柱手术 (MISS) 视频数据集,用于训练人工智能 (AI) 模型来管理诸如硬骨修复等手术并发症.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 最少侵入性脊柱手术 (MISS) 使用先进的可视化技术.
- 来自MISS的视频数据对于外科教育和开发预测人工智能 (AI) 模型至关重要.
- 现有的数据集没有涵盖脊柱手术中的不良事件管理,这阻碍了AI模型的稳定性.
研究的目的:
- 介绍在微创脊椎手术 (SOSpine) 数据集中对杜罗托米修复的模拟结果.
- 为训练人工智能模型识别和管理手术并发症提供有价值的资源.
- 促进开发更可靠的AI工具用于脊柱手术.
主要方法:
- 使用经过验证的尸体持续修复模拟器进行微创脊柱手术 (MISS).
- 在模拟的硬膜切除术修复过程中记录了手术显微镜视频数据.
- 有注释的视频用于识别手术仪器和结果,创建一个全面的数据集.
主要成果:
- 该SOSpine数据集包括15,698个和53,238个注释,包括长度切除术修复结果.
- 一个在SOSpine上微调的AI模型在检测手术仪器方面表现出精通性,达到0.77.7的平均精度.
- 该数据集有效地捕捉了常见的手术并发症的管理.
结论:
- SOSpine是第一个专门用于脊柱外科人工智能开发的视频数据集,专注于并发症管理.
- 这种资源可以创建更强大的AI模型,能够在MISS期间处理不良事件.
- 该数据集支持外科教育和人工智能驱动的外科辅助方面的进步.
