自动化的深度学习模型用于估计使用布图像的手术内流血损失
Dan Yoon1, Mira Yoo2, Byeong Soo Kim1
1Interdisciplinary Program in Bioengineering, Graduate School, Seoul National University, Seoul, 08826, Korea.
Scientific reports
|January 31, 2024
概括
一个新的深度学习模型使用布图像准确地估计了手术期间的血液损失. 这种自动化系统分析了布的斑点智能曲状态 (P-W CS),为手工方法提供了更快,更客观的替代方案.
科学领域:
- 医学技术 医学技术 医学技术
- 在手术中使用人工智能.
- 外科手术分析学
背景情况:
- 手动估计手术期间流血 (EBL) 是耗时且劳动密集的.
- 准确的EBL对于有效的外科手术管理至关重要.
- 现有的方法缺乏客观性和效率.
研究的目的:
- 开发和验证一个自动化的深度学习模型来预测EBL.
- 为了利用布图像的纹理分析来估计EBL.
- 为了提高EBL评估在手术期间的准确性和效率.
主要方法:
- 开发了一个深度学习模型,使用形图像的补丁智能缩状态 (P-W CS) 分析.
- 在动物数据上训练模型,并在102次胃癌手术中的人类手术内数据上进行验证.
- 通过对布检测和EBL回归阶段的比较评估来优化模型.
主要成果:
- 布检测模型实现了96.5%的灵敏度和98.0%的特异性.
- 基于P-W CS的EBL回归模型优于其他方法,包括基于CNN的模型.
- 实现了EBL回归的0.25g的平均绝对误差 (MAE) 和7.26%的MAPE,每个患者的MAE<1g.
结论:
- 开发的算法为EBL估计提供了一个客观和精简的方法.
- 自动化EBL预测消除了手动近似和额外任务的需要.
- 该模型的强大性能表明,它对现实世界手术应用具有显著的临床潜力.
