优化手术内人工智能:对YOLOv8进行评估,以实时识别机器人和腹腔镜仪器

科学领域:

• 计算机视觉 计算机视觉
• 手术机器人手术机器人手术机器人手术机器人
• 人工智能在医学中的应用

背景情况:

• 准确的手术仪器识别对于推动手术内人工智能 (AI) 的发展至关重要.
• 现有的系统需要强大的模型,以便在复杂的外科环境中实时识别.

研究的目的:

• 评估YOLOv8模型在检测,分类和细分机器人和腹腔镜手术仪器方面的有效性.
• 通过使用多样化的数据集,评估模型在各种手术仪器和环境中的性能.

主要方法:

• 利用来自多个来源的 7,400 多个和 17,175 个注释的综合数据集.
• 训练并测试了用于仪器检测,分类和细分任务的YOLOv8模型.
• 分析了性能指标,包括平均平均精度 (mAP),子得分和交叉与联合 (IoU).

主要成果:

• 对于二进制检测,YOLOv8实现了0.77的mAP,对于多仪器分类,达到0.72的mAP.
• 在训练组中,每种仪器大约有1300个实例的最佳性能.
• 证明了高细分精度,平均子得分为0.91和IOU为0.86.
• 与腹腔镜相比,机器人仪器表现出优异的性能,归因于数据集表示.

结论:

• 在机器人辅助手术中,YOLOv8显示了精确和高效的手术仪器识别的巨大潜力.
• 该模型的快速推断速度 (1.12 ms/frame) 支持其在实时临床环境中的应用.
• 研究结果强调了数据集多样性和大小对外科AI模型性能的重要性.