实时近红外人工智能使用可扩展的非专家众包在结直肠外科手术

科学领域:

• 手术方面的创新.
• 医学中的人工智能
• 医学成像分析分析 医学成像分析

背景情况:

• 手术人工智能 (AI) 可以提高患者的安全性和临床结果.
• 训练人工智能模型进行外科解剖识别通常需要昂贵的专家注释,造成瓶.
• 目前用于注释手术数据的方法耗时且昂贵.

研究的目的:

• 开发和验证众包方法论,以从非专家那里获得高质量的外科组织注释.
• 为了实现实时部署多式外科解剖人工智能模型.
• 为了减少与训练外科AI相关的成本和时间.

主要方法:

• 使用众包方法与非专家注释者标记手术图像.
• 开发和验证一种获得高质量的注释的方法.
• 实现一个多式人工智能模型用于实时的外科解剖识别.
• 在结直肠外科手术的背景下测试方法.

主要成果:

• 证明非专家众包可以产生高质量的外科组织注释.
• 验证了拟议的注释方法的有效性.
• 成功部署了一种多式人工智能模型,用于实时的外科解剖识别.
• 展示了具有成本效益的AI模型培训的潜力.

结论:

• 众包为外科AI培训提供了对专家注释的可行和高效的替代方案.
• 这种方法可以加速AI工具在手术中的开发和部署.
• 这种方法对通过人工智能改善患者安全和临床结果具有重大意义.