无隐私直播的手术直播:开发和验证低成本的实时机器人手术匿名算法

科学领域:

• 医疗成像和计算机视觉在手术中.
• 开发人工智能驱动的外科工具.

背景情况:

• 手术视频数据对于研究和培训至关重要.
• 对内镜手术视频的匿名化是为了隐私而必要的.
• 现有的解决方案缺乏实时,独立于平台的匿名化.

研究的目的:

• 开发一种新的外科手术匿名化算法,用于实时,准确地去除体外图像.
• 通过各种机器人外科平台验证算法.
• 创建一个程序独立的匿名化解决方案.

主要方法:

• 在4个机器人系统上开发了一种深度学习算法,使用63个手术视频从4个机器人系统上的6个手术程序.
• 该算法自动检测到来自496,828张图像的体外.
• 性能与现有方法进行了比较,测试了后处理步骤和实时流媒体设置.

主要成果:

• 该算法在未见的程序中实现了99.46%的ROC AUC,在后处理后改进到99.89%.
• 机器人匿名化网络在看不见的程序上超过了最先进的算法.
• 该解决方案证明了有效性,无论机器人平台或程序类型如何.

结论:

• 机器人匿名化网络提供可靠,准确和安全的实时手术匿名化.
• 深度学习模型在各种机器人平台和复杂程序中是有效的.
• 该工具适用于手术直播,并且可以公开访问.