迈向多式联络图神经网络,用于手术仪器预测
Lars Wagner1, Dennis N Schneider2, Leon Mayer2
1Technical University of Munich, TUM School of Medicine and Health, Klinikum rechts der Isar, Research Group MITI, Munich, Germany. lars.wagner@tum.de.
概括
本研究引入了一种基于多式联运图的新型操作室决策支持系统的方法. 它通过使用融合成像和非成像数据准确预测仪器来增强外科手术工作流程.
科学领域:
- 医疗信息学 医疗信息学
- 在外科手术中使用人工智能
- 优化外科手术工作流程的优化
背景情况:
- 目前的手术室决策支持系统通常依赖于单个数据模式.
- 整合多式联络数据以适应动态的外科手术工作流程仍然是一个挑战.
研究的目的:
- 提出一种知识增强的方法,用于融合多式联络数据,用于预测外科手术中的任务.
- 开发一个能够动态地适应外科手术工作流程的系统.
主要方法:
- 开发了一种整体的,基于多模式图的方法,将成像和非成像数据集成到知识图中.
- 利用机器学习来提取特征,并使用时空图形神经网络来解释模式.
- 应用了仪器预测任务的方法.
主要成果:
- 在仪器预测方面获得66.86%的F1得分.
- 证明了不过早的预期,休息召回率为63.33%.
- 该方法促进了无的外科手术工作流程,并影响了决策支持系统.
结论:
- 多模式数据和手术室拓可以有效地结合使用基于图的方法.
- 拟议的多模式图形架构为腹腔镜外科手术中情境敏感的决策支持提供了基础.
