人工智能模型用于自动化手术仪器检测和计数:一个实验性概念验证研究

科学领域:

• 医学技术 医学技术 医学技术
• 人工智能的人工智能是人工智能.
• 计算机视觉 计算机视觉 计算机视觉

背景情况:

• 保留的手术器件 (RSI) 是一个重要的患者安全风险,通常是由于手动仪器计数错误造成的.
• 目前针对RSI的预防策略受限于手动计数方法中的人为错误.

研究的目的:

• 评估基于深度学习的计算机视觉模型的可行性和性能,用于自动化外科工具检测和计数.
• 评估AI在减少与手动手术仪器跟踪相关的错误方面的潜力.

主要方法:

• 开发了一套由1004张图像组成的新型数据集,其中包含11个类别的13,213种手术工具.
• 训练并评估使用精度和回忆指标的深度学习AI模型.
• 在实时手术视频模拟中评估模型性能,使用动态仪器运动.

主要成果:

• 人工智能模型在工具检测方面实现了高精度 (98.5%) 和回忆率 (99.9%).
• 在11个工具类别中表现出色的性能 (精度为94.0-100%,回忆为97.1-100%).
• 在动态视频分析中保持高精度和实时推断速度 (40.4 FPS).

结论:

• 深度学习计算机视觉是自动化手术工具计数的可行方法.
• 人工智能模型显示出作为提高患者安全和减少员工工作负担的保障措施的潜力.
• 建议进一步进行临床验证,以将这项技术纳入实践.