基于机器学习方法和腹腔镜注释数据预测剩余的手术持续时间
Spiros Kostopoulos1, Dionisis Cavouras1, Dimitris Glotsos1
1Medical Image and Signal Processing Laboratory, Department of Biomedical Engineering, 523391 University of West Attica , Athens, Greece.
Biomedizinische Technik. Biomedical engineering
|March 21, 2025
概括
这项研究引入了一种机器学习模型,用于预测腹腔镜胆囊切除术中的剩余手术持续时间 (RSD). 该模型使用手术阶段和工具数据准确预测手术长度,有助于操作室的效率.
科学领域:
- 医疗信息学 医疗信息学
- 手术技术 手术技术
- 机器学习在医学中的应用
背景情况:
- 操作室的效率对于手术护理的质量至关重要.
- 准确预测手术持续时间有助于安排和资源管理.
- 腹腔镜胆囊切除术是一种常见的手术,在此过程中,持续时间的预测是有益的.
研究的目的:
- 开发和评估一种半自动机器学习方法,用于预测剩余手术持续时间 (RSD).
- 通过改进手术持续时间预测,优化手术室安排和资源配置.
- 通过提供实时RSD估计来提高外科护理的质量.
主要方法:
- 使用Cholec80数据集实施了一个随机森林回归模型.
- 该模型使用了两个数据流:每个时间段的手术阶段和工具类型.
- 在训练,验证和测试组中使用平均绝对误差 (MAE) 评估性能.
主要成果:
- 机器学习方法实现了整体手术持续时间的平均绝对误差 (MAE) 为5.89分钟.
- 在预测操作结束前20分钟时,获得了4.61分钟的更精确的MAE.
- 该模型证明了在腹腔镜胆囊切除术中有效预测剩余的手术持续时间.
结论:
- 采用两个不同的回归模型,在已过的时间值切换,显著改善RSD预测.
- 与仅处理内镜视频的方法相比,这种方法提供了更高的准确性.
- 开发的方法为实时手术持续时间估计和手术室管理提供了有价值的工具.


