相关实验视频
Updated: Jun 10, 2025
12:33
Corticospinal Excitability Modulation During Action Observation
Published on: December 31, 2013
8.8K
在尸体乳腺切除剖析过程中检测手部运动:技术说明
Thomas J On1, Yuan Xu1, Nicolas I Gonzalez-Romo1
1The Loyal and Edith Davis Neurosurgical Research Laboratory, Department of Neurosurgery, Barrow Neurological Institute, St. Joseph's Hospital and Medical Center, Phoenix, AZ, United States.
Frontiers in surgery
|October 18, 2024
概括
一个深度学习模型跟踪了外科医生在尸体乳腺切除术期间的手动,显示了改进外科精度的潜力. 为了使用这些指标进行外科培训和评估,需要进一步验证.
科学领域:
- 神经外科 神经外科
- 手术技术 手术技术
- 人工智能在医学中的应用
背景情况:
- 进入后骨需要精确的钻探,以避免关键结构损伤.
- 手术技巧和精确度在复杂的手术中至关重要,如乳腺切除术.
研究的目的:
- 为了评估一个深度学习的手动运动探测器在电力钻孔使用时的精度在尸体乳腺切除术中.
- 评估使用人工智能来改进手术手动的可行性,并提供性能指标.
主要方法:
- 一个深度学习模型在三个尸体乳腺切除术期间跟踪了21个手的地标.
- 横向和垂直的运动跟踪图表是从里程碑数据生成的.
- 预先的外科手术性能指标是从运动检测数据中得出的.
主要成果:
- 分析了超过190万个里程碑检测,总体性能为85.9%.
- 手动检测显示主导 (48.2%) 和非主导 (51.7%) 的手表表现平衡.
- 追踪的挑战包括显微镜光的光和手移出摄像机的视野.
结论:
- 一个无传感器的深度学习系统可以在乳腺切除模拟过程中测量手术手的运动.
- 开发了评估手部运动的初步指标,需要进一步验证手术培训应用程序.
