在内镜下垂体手术中注意手术阶段识别:从现实世界数据的见解
Ángela González-Cebrián1, Sara Bordonaba2, Javier Pascau3
1Computer Science and Engineering Department, Universidad Carlos III de Madrid, Madrid, Spain.
Computers in biology and medicine
|April 18, 2025
概括
我们开发了一种在内镜下垂体手术中进行手术阶段识别的新模型,达到73%的准确性. 该系统对外科手术程序的变化具有稳定性,改进了文档和实时反.
科学领域:
- 神经外科 神经外科
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 手术阶段识别 (SPR) 有助于在手术中自动记录和实时反.
- 内镜垂体外科手术对SPR提出了独特的挑战,因为其高相变性.
研究的目的:
- 开发一个强大的SPR模型用于内镜下垂体手术.
- 为了应对由可变的手术阶段顺序和不完整的程序所带来的挑战.
主要方法:
- 69个内镜下垂体手术视频的数据集被策划和标记成七个阶段.
- 采用了混合模型,结合了卷积神经网络 (CNN) 和分段注意层次一致性网络.
- 具有注意力机制和适应模式窗口的时间卷积网络 (TCN) 用于时间分析和预测改进.
主要成果:
- 最大的垂体内镜手术数据集PituPhase被创建并公开提供.
- 开发的模型实现了73%的准确性 (75%与10s放松边界).
- 性能与最先进的方法相比,尽管数据集固有的变化和不完整.
结论:
- 与TCN和自适应模式窗口集成的注意力机制提高了SPR系统的性能.
- 该模型在缺失视频段和不一致的手术阶段序列等方面表现出强度.
