将纤维布拉格格和人工智能技术结合起来,用于支持腹膜外科手术

科学领域:

• 生物医学工程 生物医学工程
• 医疗技术 医疗技术 医学技术
• 人工智能的人工智能

背景情况:

• 阻力丧失 (LOR) 是外周刺穿的标准技术,但它的失败率很高.
• 现有的LOR检测解决方案包括纤维布拉格格 (FBG) 传感器和人工智能 (AI).

研究的目的:

• 开发和评估一种人工智能驱动的系统,用于在外周术过程中更好地检测阻力丧失 (LOR).
• 将FBG传感器技术与人工智能集成,用于实时的LOR识别.

主要方法:

• 开发了一种定制的FBG传感器和基于AI的系统,用于自动标记和识别LOR事件.
• 测试了系统,使用了10名患者的数据,这些患者接受了慢性背痛外周术.
• 采用了一个支持向量机器,用于LOR事件识别的Leave-One-Out策略.

主要成果:

• 自动标签可追溯识别所有LOR事件.
• 基于人工智能的识别在检测LOR事件方面表现出高准确性.
• 该系统在实时模拟中实现了最小的虚假阳性率.

结论:

• 结合AI和FBG的方法显示了自动LOR检测的有希望的性能.
• 这种技术的整合可以显著改善外周刺穿期间的临床支持.
• 这些发现表明,有潜力减少不成功的外周支架手术和推进疼痛管理.