通过LSTM对多层组织进行穿孔事件的预测
Bulbul Behera1, M Felix Orlando1, R S Anand1
1Indian Institute of Technology Roorkee, Department of Electrical Engineering, Advanced Robotics Laboratory, Roorkee, Uttarakhand, 247667, India.
Biomedical physics & engineering express
|October 8, 2024
概括
这项研究引入了一种使用长短期记忆 (LSTM) 网络来检测多层组织中透事件的新方法. 该方法使用传感器数据准确识别组织层过渡,提高医疗程序的安全性.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 机器人技术 机器人技术 机器人技术
背景情况:
- 在多层组织中精确检测透事件对于外科手术和医学诊断至关重要.
- 传统方法可能缺乏复杂组织相互作用所需的精度和实时反.
研究的目的:
- 开发和验证一种新的方法来检测使用长短期记忆 (LSTM) 网络在多层组织中的透事件.
- 提高涉及多层组织相互作用的医疗程序的精度和安全性.
主要方法:
- 在组织透过程中采集的时间序列插入力数据使用与1-DOF镜机器人集成的传感器.
- 通过训练有素的LSTM网络处理传感器数据,以识别跨组织层透事件的标志性模式.
主要成果:
- 该LSTM网络在检测多层组织中的透事件方面表现出高精度和可靠性.
- 实验验证证证实了拟议方法的有效性.
结论:
- 开发的基于LSTM的技术比传统的透事件检测方法有了显著的进步.
- 这种非侵入性的实时解决方案提高了涉及多层组织相互作用的医疗程序的精度和安全性.
更多相关视频
13:34Predicting In Vivo Payloads Delivery using a Blood-brain Tumor-barrier in a Dish
Published on: April 16, 2019
9.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
