斯温CVS:一种统一的方法来对腹腔镜胆囊切除术中的安全结构进行批判性分类
Franciszek M Nowak1, Evangelos B Mazomenos2, Brian Davidson3
1UCL Hawkes Institute, Department of Medical Physics and Biomedical Engineering, UCL, London, UK. franciszek.nowak.23@ucl.ac.uk.
概括
新型深度学习模型SwinCVS准确地对腹腔镜外科手术中的安全性 (CVS) 的批判性观点进行了分类. 这种自动化方法在不需要细分口罩的情况下改进了现有的方法,提高了手术安全性.
科学领域:
- 手术创新 在外科创新.
- 人工智能在医学中的应用
- 计算机视觉用于医疗保健
背景情况:
- 腹腔镜胆囊切除术是一种常见的英国手术,可能会出现并发症.
- 批判性安全视图 (CVS) 技术可以减轻外科手术错误,但难以可靠地实现.
- 目前的自动化CVS评估模型复杂且适应性有限.
研究的目的:
- 开发和评估SwinCVS,一个时空深度学习架构,用于端到端的自动化CVS分类.
- 将SwinCVS的性能与最先进的SV2LSTG模型进行比较.
- 在SwinCVS框架内评估不同图像编码器 (SwinV2,VMamba,ResNet50) 的有效性.
主要方法:
- 拟议的SwinCVS架构结合了SwinV2图像编码器和LSTM用于CVS分类.
- 评估了SwinV2,VMamba和ResNet50作为外科图像编码的骨干.
- 将端到端和预训练的SwinCVS变体与Endoscapes数据集上的SV2LSTG进行比较.
主要成果:
- 作为一个图像编码器,SwinV2的性能优于VMamba和ResNet50.
- 端到端的SwinCVS实现了64.59%的mAP,与SV2LSTG (64.68%的mAP) 相比.
- 预训练的SwinCVS显著提高了性能,达到67.45%的mAP,超过了最先进的状态.
结论:
- 在腹腔镜外科手术中,SwinCVS提供了一种有希望的,可适应的方法,用于自动化CVS分类.
- 该模型消除了对语义细分面具的需求,简化了实现.
- 像SwinV2这样的基于注意力的架构对于外科图像编码是有效的,为增强的自动化外科系统铺平了道路.
