神经网络驱动的微观系统用于白内障手术

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 用眼内透镜 (IOL) 植入法化是一种标准的白内障治疗方法.
• 当前的手术显微镜在复杂的临床场景中面临着挑战,影响手术精度.
• 准确的眼睛定位和定向对于成功的手术结果至关重要.

研究的目的:

• 开发一个神经网络驱动的外科显微系统,以加强白内障手术指导.
• 为解决眼科手术中高精度导航的未满足的临床需求.
• 为了改善手术期间IOLs的实时定位和对齐.

主要方法:

• 一个端到端的导航网络,使用基于注意力的编码器-解码器架构来定位眼睛中心.
• 它是米网络,相关性过器和空间转换网络的组合,用于跟踪眼睛的旋转.
• 开发一台计算机辅助的外科显微镜,集成成像,显示,控制软件和算法.
• 收集和增强100个临床手术视频用于训练神经网络.

主要成果:

• 拟议的系统展示了一种神经网络驱动的方法,用于精确的外科导航.
• 该系统集成了先进的算法,用于实时眼睛定位和旋转跟踪.
• 在人类眼睛模型上的评估表明眼科手术的导航性能很有前途.

结论:

• 开发的AI驱动的外科显微系统为改善白内障手术精度提供了潜在的解决方案.
• 这项技术可以帮助外科医生,为IOL植入等关键步骤提供实时指导.
• 进一步验证和整合到临床实践中可以显著提高眼科手术患者的治疗结果.