基于视频评估手术内外科手术技能的时空空间关注
Bohua Wan1,2, Michael Peven1,2, Gregory Hager1,2
1Department of Computer Science, Whiting School of Engineering, Johns Hopkins University, Baltimore, 21218, USA.
Scientific reports
|November 6, 2024
概括
这项研究开发了人工智能算法,用于从视频中评估外科技能. 通过仪器位置明确指导人工智能,提高了它在区分专家和新手外科医生的准确性.
科学领域:
- 医学技术 医学技术 医学技术
- 在手术中使用人工智能.
- 评估外科手术技能的评估.
背景情况:
- 客观的外科技能评估对于外科医生的发展和认证至关重要.
- 目前评估外科手术能力的方法可能是主观的,耗时的.
- 基于视频的自动评估为外科培训提供了一个可扩展的解决方案.
研究的目的:
- 开发和验证用于客观,基于视频的手术内外科手术技能的算法.
- 提高外科技能分类算法的可通用性和准确性.
- 调查空间注意力监督对算法性能的影响.
主要方法:
- 使用时空神经网络架构进行视频分析.
- 采用仪表尖位置,以提供对空间注意力的明确监督.
- 在手术视频数据集上训练并测试算法,以分类技能水平 (专家与新手).
主要成果:
- 性能最好的模型在接收器操作特征曲线 (AUC) 下的面积为0.88.8.
- 使用仪表尖位置监控空间注意力增强了算法特异性.
- 增强网络证明了对未见的数据集的歧视有所改善.
结论:
- 使用仪表尖位置对注意力的明确监督可以改进客观的基于视频的外科技能评估算法.
- 由人工智能驱动的工具可以提供准确和可重复的外科手术能力评估.
- 这种方法有可能增强外科培训和认证过程.
