超越PhacoTrainer:深度学习用于在MIGS视频中增强的椎间板状网状检测
Su Kara1, Michael Yang1, Hsu-Hang Yeh2
1Department of Ophthalmology, Stanford University, Palo Alto, CA, USA.
Translational vision science & technology
|September 3, 2024
概括
深度学习模型能够准确地识别微创性玻璃眼外科手术 (MIGS),并在手术视频中定位状网 (TM). 转移学习增强了手术视频分析,以改善培训和患者护理.
科学领域:
- 眼科医生 眼科 眼科
- 计算机视觉 计算机视觉
- 医疗成像医学成像
背景情况:
- 手术视频分析对于培训和质量提高至关重要.
- 现有的计算机视觉模型主要侧重于标准白内障手术.
研究的目的:
- 开发用于手术视频分析的深度学习模型.
- 确定最小侵入性玻璃眼外科手术 (MIGS) 程序.
- 在手术视频中精确地定位脊椎状网 (TM).
主要方法:
- 利用转移学习来适应预训练的白内障手术模型用于MIGS识别.
- 开发并比较U-Net,Y-Net和级模型用于TM本地化.
- 使用像素误差和交叉点在欧盟 (IoU) 上进行细分精度评估.
主要成果:
- 实现了87%的准确性和0.99AUROC用于MIGS分类.
- 保持了79%的准确性来识别14个标准白内障手术步骤.
- 在U-Net模型中显示出优越的TM细分,0.9988 IoU和1.47平均像素误差.
结论:
- 开发高性能计算机视觉模型用于MIGS识别和TM本地化.
- 转移学习使模型能够有效地扩展到新的外科手术程序.
- 证明了手术培训中自动反系统的潜力.
