协作的人与计算机视觉操作视频分析算法用于分析内内镜下垂体手术中的手术流和手术中断:队列研究

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 内内镜方法 (EEA) 对垂体腺瘤切除是有效的.
• 手动审查手术视频耗时,并阻碍了外科医生的培训.
• 计算机视觉 (CV) 算法提供了一个潜在的解决方案,以加快视频审查和促进学习曲线.

研究的目的:

• 评估基于CV的视频分析系统,用于检测手术中断和评估EEA的手术流性.
• 为了比较基于CV的分析与手动审查的准确性和时间效率.
• 调查手术经验对EEA期间中断的影响.

主要方法:

• OpenCV算法用于确定每个视频的主导颜色.
• 基于超过定义值的主导颜色像素变化来识别手术中断的算法.
• 根据手动审查验证了CV分析的准确性;记录了时间效率.

主要成果:

• 简历分析在培训和测试数据集中实现了93% - 95%的准确性.
• 基于简历的分析将视频审查时间减少了86% (22.6分钟对166.8分钟).
• 人与CV的协作提高了准确度,达到98.5%,时间减少了74%.
• 塞拉尔阶段的中断时间较少 (4.9/10分钟),持续时间较短 (31.1秒/10分钟).
• 增加的外科手术经验与较少 (2.9 vs. 4.9/10分钟) 和较短 (19.8 vs. 41.1s/10分钟) 的细胞阶段中断相关.

结论:

• 基于CV的分析准确地检测到EEA期间的手术中断,准确度为93-98%.
• 与手动方法相比,CV显著减少了操作视频审查时间.
• 简历应用程序促进了外科医生的培训,并克服了内镜骨底部手术的学习曲线.