相关实验视频
Updated: Jun 20, 2025
06:24
A Spine Robotic-Assisted Navigation System for Pedicle Screw Placement
Published on: May 11, 2020
8.8K
在脊柱融合手术中,基于深度学习的脚螺丝的定位和定向估计
Kwang Hyeon Kim1, Hae-Won Koo2, Byung-Jou Lee2
1Clinical Research Support Center, Inje University Ilsan Paik Hospital, Goyang, Korea.
Korean journal of neurotrauma
|July 18, 2024
概括
这项研究使用深度学习与定向边界框来准确定位和定向脊柱外科手术仪器. 该模型对现实世界手术导航和仪器跟踪具有前景.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 手术仪器的准确定位和定向对于脊柱固定手术至关重要.
- 传统的物体检测方法在外科环境中与非轴对齐的仪器作斗争.
研究的目的:
- 研究一种深度学习模型,用于精确地定位和定向估计脊柱固定仪器.
- 评估"你只看一次" (YOLO) 框架与面向边界框 (OBBs) 用于手术仪器检测的有效性.
主要方法:
- 使用了YOLO对象检测框架与OBB用于仪器检测.
- 训练并验证了一个模型在一个数据集的腰部脚螺丝图像,增强增加多样性.
- 在培训,验证和测试数据集上使用了70/20/10的分割,有100个培训时代.
主要成果:
- 该模型成功检测了手术场景中的脚螺丝位置和方向角度.
- 获得了F1得分为0.86 (精度:1.00,回忆:0.80) 和mAP50,表明检测的高精度.
- 在定向关键任务中,其表现优于传统的界限框方法.
结论:
- YOLOv8 OBB 模型显示了现实世界手术应用的巨大潜力.
- 未来的研究将专注于数据增强和超参数优化,以提高模型性能.
