相关实验视频
Updated: Jun 9, 2025
05:05
Ultrasound Cyclo Plasty in Eyes with Glaucoma
Published on: January 26, 2018
12.1K
在白内障手术中用于手术内学生分析的计算框架.
Binh Duong Giap1, Karthik Srinivasan2, Ossama Mahmoud1,3
1Kellogg Eye Center, Department of Ophthalmology & Visual Sciences, University of Michigan, 1000 Wall Street, Ann Arbor, Michigan, 48105.
Ophthalmology science
|October 22, 2024
概括
这项研究引入了在白内障手术期间自动化学生分析的计算框架,准确预测了需要学生扩张装置的需求,并改善了手术规划.
科学领域:
- 眼科和计算机成像学
- 医疗设备中的人工智能
背景情况:
- 瞳孔不稳定是白内障手术并发症的重要危险因素.
- 准确,实时评估瞳孔动态对于手术成功至关重要.
- 现有的瞳孔监测方法可能缺乏复杂手术阶段所需的精度.
研究的目的:
- 开发和验证一种创新的计算框架,用于在白内障手术期间自动评估瞳孔形态变化.
- 为了提高手术内瞳孔分析的可靠性和准确性.
- 为预测需要瞳孔膨胀装置 (PED) 的需求提供一个工具.
主要方法:
- 对240个白内障手术视频录制的回顾性分析.
- 一个三阶段的框架,涉及特征提取 (基于波波),深度学习 (DL) 用于解剖学识别 (瞳孔,四肢,眼裂细分) 和阻碍 (OB) 检测/补偿.
- 使用来自190个手术院的5700个手术内框架数据集的验证;训练有素的分类模型来预测PED使用情况.
主要成果:
- 功能金字塔网络架构实现了高分段性能 (Dice 96.52%),并通过OB补偿 (Dice 96.82%) 进一步改进.
- 一个支持矢量机器分类器准确地预测了外科医生使用PED的准确率为96.67%,AUC为99.44%.
- 与人类注释相比,该框架的准确性很高,并且表现优于孤立的DL细分模型.
结论:
- 开发的计算框架在白内障手术期间提供了准确的,自动化的瞳孔分析.
- 该系统比现有方法提供了显著的改进,并使临床上有价值的预测分析成为可能.
- 这项技术有可能提高手术规划,减少与瞳孔不稳定相关的并发症.
