基于卷积神经网络的深度学习引擎用于乳腺切除术仪器识别和运动跟踪
Mallory J Raymond1,2, Biswajit Biswal3, Royal M Pipaliya1,4
1Department of Otolaryngology-Head and Neck Surgery, Medical University of South Carolina, Jacksonville, USA.
概括
一个新的计算机视觉模型在乳腺切除术期间准确地跟踪手术仪器. 这项技术可以客观地分析外科医生的技术,改善耳植入手术的培训和患者安全.
科学领域:
- 神经外科 神经外科
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 乳腺切除术是一种关键的外科手术,通常用于耳植入.
- 客观地评估手术技巧在乳腺切除术是具有挑战性的.
- 目前评估外科手术表现的方法往往是主观的.
研究的目的:
- 开发基于卷积神经网络 (CNN) 的计算机视觉模型.
- 在乳腺切除术期间识别和跟踪钻孔和吸灌器.
- 为了实现对外科手术技术的客观分析.
主要方法:
- 使用了乳腺切除术的手术内视频录像.
- 使用特征金字塔网络和DETECTRON.开发了一个跟踪模块.
- 在8个视频中训练了模型,并在2个视频中测试了模型,测量了十字路口与联盟 (IoU),准确性和平均精度.
主要成果:
- 实现了高平均精度:钻机99%,吸水灌器86%的IOU为0.5.5.
- 该模型成功生成了仪器移动的方向和距离地图.
- 在识别和跟踪手术仪器方面表现出卓越的精度.
结论:
- 开发的计算机视觉模型在乳腺切除视频中精确跟踪手术仪器.
- 这种工具可以用来追溯分析客观的外科手术措施 (例如,运动经济,速度,协调).
- 促进对安全有效的乳腺切除术的客观基准的描述,提高外科培训和结果.
