一个基于深度学习的多元件识别系统,用于皮肤内镜脊柱手术的视野
Jinhui Bu1, Yan Lei1, Yari Wang2
1Affiliated Xuzhou Clinical College of Xuzhou Medical University, Xuzhou, 221009 China.
Indian journal of orthopaedics
|May 2, 2024
概括
这项研究开发了一种深度学习系统,用于在内镜脊柱手术视频中识别解剖结构和手术工具,从而提高安全性,并可能有助于培训.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 腰椎间盘是常见的退行性脊髓疾病,发病率越来越高.
- 穿皮内镜腰椎切除术是一种最少的侵入性治疗方法,但具有的学习曲线和产生阴性损伤的风险.
- 计算机深度学习显示出诊断,治疗和外科导航中的临床应用的前景.
研究的目的:
- 开发一种基于深度学习的系统,用于在内镜脊柱手术视觉场内的多元件识别.
- 评估这种识别系统的可行性和性能.
主要方法:
- 收集并标记了48名腰椎间盘患者的手术视频.
- 利用6000张图像进行深度学习模型 (Solov2,CondInst,Mask R-CNN,Yolact) 的训练,验证和测试,使用ResNet骨干.
- 使用平均平均精度 (mAP) 和每秒 (FPS) 进行实时分类,定位和识别来评估模型性能.
主要成果:
- 索洛夫2 (ResNet101) 和Mask R-CNN (ResNet101) 在高mAP (分别为73.5%和72.8%) 和FPS (分别为28.9和28.5) 的情况下表现最稳定.
- 该系统实现了高平均精度 (AP) 识别解剖结构,如纤维环和带,以及特定的手术仪器.
- 观察到的AP较低的元素,如额外的持续脂肪和某些仪器,表明潜在的改进领域.
结论:
- 通过使用深度学习成功开发了内镜脊柱手术视觉场的多元件识别系统.
- 该系统可以识别和跟踪关键的解剖组织和手术仪器.
- 这项技术有可能成为虚拟教育工具,并在脊柱内镜手术中提供手术内实时协助.
