通过人工智能在经尿道膀瘤切除过程中自动化手术步骤识别:跨手术模式转移学习
Ekamjit S Deol1, Matthew K Tollefson1, Alenka Antolin2
1Department of Urology, Mayo Clinic, Rochester, MN, United States.
Frontiers in artificial intelligence
|March 25, 2024
概括
这项研究开发了一种人工智能模型,用于使用转移学习在膀瘤的顺尿管切除 (TURBT) 中自动化手术步骤识别. 人工智能实现了89.6%的准确性,为人工智能在内镜手术中的应用铺平了道路.
科学领域:
- 医疗人工智能 医疗人工智能
- 计算机视觉在外科手术中的应用
- 内視鏡外科手術 內視鏡外科手術
背景情况:
- 使用人工智能的自动化手术步骤识别 (SSR) 已经推进了腹腔镜外科手术,但在内镜手术方面落后.
- 膀瘤通过尿道切除手术 (TURBT) 缺乏专门的SSR工具.
- 转移学习提供了一种方法,使人工智能模型适应具有有限数据的新手术程序.
研究的目的:
- 为 TURBT 程序开发一个以人工智能为动力的 SSR 模型.
- 利用腹腔镜的转移学习来克服内镜SSR中的数据限制.
- 为了实现TURBT手术视频的自动注释的高精度.
主要方法:
- 追溯的 TURBT 手术视频手动注释了关键的手术步骤.
- 一个新的AI计算机视觉算法使用转移学习技术进行训练,在腹腔镜数据上进行预训练.
- 人工智能模型的准确性与人类注释进行了验证.
主要成果:
- 300个TURBT视频的数据集被注释,其中179个用于培训.
- 人工智能模型在识别 TURBT 手术步骤方面实现了 89.6% 的整体准确度.
- 初级内镜评估 (98.2%) 的精度最高,表面凝血 (82.7%) 的精度最低.
结论:
- 成功开发了一种全自动化的,高精度的计算机视觉算法,用于TURBT手术视频注释.
- 这项研究证明了第一次成功地将从腹腔镜转移学习到SSR手术内镜的应用.
- 这些发现突出了转移学习的潜力,以适应AI模型用于各种手术程序.
