用一组2D-3D卷积神经网络进行白内障手术的性能评估
Ummey Tanin1, Adrienne Duimering2, Christine Law2
1School of Computer Science Carleton University Ottawa Ontario Canada.
Healthcare technology letters
|April 19, 2024
概括
本研究介绍了一种具有成本效益的深度学习模型,用于使用原始视频评估白内障手术技能. 该模型实现了高精度,为手工外科技能评估提供了一个自动化的替代方案.
科学领域:
- 眼科医生 眼科 眼科
- 外科教育的外科教育
- 人工智能的人工智能
背景情况:
- 白内障手术技能评估至关重要,但目前依赖于耗时,主观的专家评价.
- 现有的机器学习方法通常需要额外的设备或复杂的视频处理来评估技能.
研究的目的:
- 开发一个端到端可训练的,具有成本效益的深度学习模型,用于使用原始手术视频进行自动化白内障手术技能评估.
- 评估模型在白内障手术不同阶段的表现.
主要方法:
- 开发了一组2D和3D卷积神经网络,用于分析原始手术视频.
- 该模型是在近200个白内障手术试验的数据集上进行训练和评估的.
主要成果:
- 该模型在发酵化阶段达到0.8494的最高准确度.
- 在所有四个手术阶段均获得了0.8200的平均精度和0.8800的平均AUC得分.
- 该模型在不依赖工具运动轨迹的情况下证明了稳健性.
结论:
- 拟议的深度学习整体模型为评估白内障手术专业知识提供了一个有希望的,自动化的方法.
- 这种方法为传统的手工技能评估方法提供了更有效和客观的替代方案.
