在内镜垂体外科手术中使用实时仪器追踪在高保真长椅上幻影的自动化外科技能评估
Adrito Das1, Bilal Sidiqi1, Laurent Mennillo1
1UCL Hawkes Institute University College London London UK.
Healthcare technology letters
|December 25, 2024
概括
使用机器学习对外科技能的自动评估可以改善患者的治疗结果. 一个新的数据集和模型 (PRINTNet) 准确地预测了外科医生在模拟内镜垂体外科手术中的技能水平.
科学领域:
- 神经外科 神经外科
- 医疗模拟 医疗模拟
- 机器学习 机器学习
背景情况:
- 手术技能的评估是主观的,劳动密集的.
- 现有的自动化模型缺乏全面的数据集,并专注于有限的任务.
- 模拟手术为技能发展提供了可重复的环境.
研究的目的:
- 介绍模拟内镜垂体外科手术的新数据集.
- 开发一个基础模型 (PRINTNet) 用于自动化技能评估.
- 为初学者外科医生提供客观的技能评估.
主要方法:
- 使用DeepLabV3进行分类/细分和StrongSORT进行跟踪.
- 集成的NVIDIA全息扫描为实时性能.
- 在仪器跟踪数据上训练了一种多层感知子.
主要成果:
- 在22 FPS的速度下,PRINTNet实现了71.9%的多重对象跟踪精度.
- 该模型以87%的准确度预测了外科手术技能水平 (新手与专家).
- 程序时间与仪器可见时间的较高比例与专家技能相关.
结论:
- 新的数据集和PRINTNet促进了手术技能的自动评估.
- 客观指标可以指导新手外科医生改进他们的技术.
- 这种方法提高了外科培训和潜在的患者结果.
