使用卷积神经网络进行 laparoscopic 手术实时工具定位
Diego Benavides1, Ana Cisnal1, Carlos Fontúrbel1
1Instituto de las Tecnologías Avanzadas de la Producción (ITAP), Escuela de Ingenierías Industriales, Universidad de Valladolid, Paseo Prado de la Magdalena 3-5, 47011 Valladolid, Spain.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一个卷积神经网络模型,用于实时在腹腔镜中进行手术工具定位. 基于砂表的模型通过准确识别工具来增强手术机器人,提高效率.
科学领域:
- 医疗机器人 医疗机器人
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 部分自动化机器人系统对于提高手术精度和效率至关重要.
- 腹腔镜手术需要精确的仪器控制,往往需要显著的手工灵巧.
研究的目的:
- 利用卷积神经网络开发用于腹腔镜手术的实时工具定位方法.
- 为了使最多两种手术工具的同时定位.
主要方法:
- 设计了一个卷积神经网络模型,其中包括两个连续的沙钟模块.
- 该模型在三个数据集上进行了训练和评估:ITAP,Atlas Dione和EndoVis挑战.
- 用Grad-CAM技术来确定模型的可解释性.
主要成果:
- 最好的基于砂表的模型实现了92.86%的精度和27.64 FPS,适合机器人集成.
- 一个独立的测试组评估显示,准确性略有降低,这表明概括性有限.
- 该模型通过Grad-CAM分析证明了功能洞察力.
结论:
- 拟议的模型为自动化腹腔镜手术任务提供了一个有希望的方法.
- 实时工具定位可以通过减少手动内镜操纵来提高手术效率.
- 需要进一步开发以提高更广泛的临床应用的通用性.
