相关实验视频
Updated: Jul 5, 2025
09:39
Spatial Temporal Analysis of Fieldwise Flow in Microvasculature
Published on: November 18, 2019
5.9K
基于深度学习的仪器运动视频分析在微血管解剖培训中
Taku Sugiyama1, Hiroyuki Sugimori2, Minghui Tang3
1Department of Neurosurgery, Hokkaido University Graduate School of Medicine, North 15 West 7, Kita-Ku, Sapporo, 060-8638, Japan. takus1113@med.hokudai.ac.jp.
Acta neurochirurgica
|January 12, 2024
概括
一个新的深度学习算法通过分析仪器运动来客观评估微手术技能. 这项技术提高了手术培训和患者在微血管解剖等手术过程中的安全性.
科学领域:
- 神经外科 神经外科
- 外科手术技能的评估.
- 医疗技术 医疗技术 医学技术
背景情况:
- 对于神经外科的学员来说,微外科的熟练程度至关重要.
- 需要客观的评估方法来提高外科培训和患者安全.
- 基于视频的动力学分析为客观技能评估提供了一个潜在的解决方案.
研究的目的:
- 开发基于深度学习的自动仪表尖端检测算法.
- 为了验证算法在评估微血管解剖培训中的性能.
- 客观地测量手术仪器运动的动力学参数.
主要方法:
- 使用手术视频开发和训练了一个深度学习算法 (YOLOv2).
- 测量运动经济性 (时间,路径距离) 和平滑性 (正常化冲动指数).
- 将算法衍生参数与传统评级级和外科医生经验水平进行比较.
主要成果:
- 该算法实现了高精度 (迪斯相似系数为0.87).
- 深度学习参数与传统评估和外科医生经验相关.
- 与新手相比,经验丰富的外科医生表现出更高的效率和更流的运动.
结论:
- 基于深度学习的动力学分析是有效的评估微血管解剖的性能.
- 这种方法可以适应临床环境中的客观评估.
- 通过客观技能评估,增强外科培训和患者安全.
