在外科手术过程建模中的深度学习:对工作流识别工作流的系统审查
Zhenzhong Liu1, Kelong Chen1, Shuai Wang1
1Tianjin Key Laboratory for Advanced Mechatronic System Design and Intelligent Control, School of Mechanical Engineering, Tianjin University of Technology, Tianjin 300384, China; National Demonstration Center for Experimental Mechanical and Electrical Engineering Education (Tianjin University of Technology), China.
Journal of biomedical informatics
|January 20, 2025
概括
包括神经网络和变压器在内的深度学习模型是分析微创手术中的外科工作流程的关键. 在手术数据注释和数据集可用性方面仍然存在挑战,推动使用高级学习技术.
科学领域:
- 医疗保健中的人工智能
- 手术过程建模手术过程建模
- 深度学习应用程序
背景情况:
- 人工智能 (AI) 正在推动医疗保健领域的创新,特别是手术过程建模 (SPM).
- 人们越来越感兴趣利用人工智能来分析复杂的外科手术程序.
研究的目的:
- 研究深度学习在识别外科手术工作流程中的作用.
- 从微创手术数据集中提取可靠的模式.
- 为内镜手术提供先进的情境感知智能系统.
主要方法:
- 在主要科学数据库中进行全面的文献搜索 (2018-2024年).
- 专注于手术视频,并为手术过程建模提供注释.
- 检查了所选研究的具体方法和研究成果.
主要成果:
- 从最初的2937.7中确定了59件相关的物品.
- 突出了神经网络和变压器用于外科手术工作流分析 (SWA) 的使用.
- 注意到重点是微创手术,但手术注释过程中缺乏细节.
结论:
- 时间和空间序列对于手术阶段识别至关重要.
- 循环神经网络 (RNN),时间卷积网络 (TCN) 和变压器擅长捕捉长距离的时间关系.
- 多模式数据增强了分析,但在公共数据集和注释成本中的临床知识仍然存在挑战,导致采用各种先进的学习方法.
