关节相:在关节镜视频中用于相识别的新型数据集和方法
Ali Bahari Malayeri1, Matthias Seibold1, Nicola A Cavalcanti1
1Research in Orthopedic Computer Science, Balgrist University Hospital, University of Zurich, Universitätsklinik Balgrist, Zurich, Switzerland.
Computer assisted surgery (Abingdon, England)
|May 31, 2025
概括
这项研究引入了一个新的数据集和变压器模型,用于识别关节镜前十字带 (ACL) 重建中的手术阶段. 该模型实现了高精度,有助于外科培训和效率.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 整形外科手术 整形外科手术
背景情况:
- 手术阶段识别对于关节镜手术至关重要,例如前十字带 (ACL) 重建.
- 现有的方法面临挑战,因为视野有限,闭塞和视觉扭曲在关节镜检查.
研究的目的:
- 开发一种基于变压器的新型模型,用于在关节镜手术中准确地识别手术阶段.
- 使用新数据集建立关节镜外科手术阶段识别的基准.
主要方法:
- 开发了ACL27数据集,其中有27个标记的关节镜ACL重建视频.
- 使用基于变压器的架构与ResNet-50用于时空特征提取.
- 引入了手术进展指数 (SPI) 来量化手术进展.
主要成果:
- 在ACL27数据集上达到72.9%的准确性,在Cholec80数据集上达到92.4%.
- 对于可靠的手术进展估计,SPI显示出较低的错误率 (10.6%在ACL27,9.8%在Cholec80上).
- 性能与Cholec80数据集上的最先进的方法相比.
结论:
- 拟议的变压器模型和数据集显著提升了关节镜外科手术阶段识别.
- 该模型显示了有效性和通用性,有可能提高外科培训和效率.
- 公共可用的数据集和代码将促进未来的骨科手术研究.


