SWAG:长期外科手术工作流程预测与基于生成的预测
Maxence Boels1, Yang Liu2, Prokar Dasgupta2
1Surgical and Interventional Engineering, School of Biomedical Engineering and Imaging Sciences, Kings College London, London, USA. maxence.boels@kcl.ac.uk.
概括
这项研究引入了SWAG (外科工作流预测生成),这是预测未来外科手术阶段的新框架. 通过生成长期的外科手术工作流程序列,SWAG增强了手术内指导.
科学领域:
- 计算机视觉 计算机视觉
- 医疗信息学 医疗信息学
- 手术机器人手术机器人手术机器人手术机器人
背景情况:
- 目前的手术阶段识别缺乏预见和手术内指导.
- 现有的预测方法预测短期,单一事件,无法捕捉复杂的外科手术工作流程.
研究的目的:
- 引入SWAG (外科工作流预测生成),一个结合阶段识别和预测的框架.
- 为了解决预测长期,连续的外科事件的局限性.
主要方法:
- 研究了单通 (SP) 和自动回归 (AR) 解码,用于生成未来的手术阶段序列.
- 提出了一种新的嵌入方法,使用类过渡概率来增强阶段预测.
- 开发了一个生成框架 (R2C),将剩余时间回归纳入分类.
主要成果:
- 在Cholec80和AutoLaparo21数据集上,SP*模型在20分钟和30分钟内获得了32.1%和41.3%的F1分数.
- 该方法在相位剩余时间回归中显示出具有竞争力的性能,在2分钟和3分钟的时间范围内,加权平均绝对误差为0.32分钟和0.48分钟.
结论:
- 在生成解码,分类和回归任务中,SWAG提供了多功能性.
- 该框架在手术工作流程的识别和预测之间建立了时间连续性.
- SWAG 推进了手术内外科手术流程生成,以提高预测能力.
更多相关视频
09:10Digital Hybrid Model Preparation for Virtual Planning of Reconstructive Dentoalveolar Surgical Procedures
Published on: August 5, 2021
1.9K
07:46Author Spotlight: Revolutionizing Remote Surgery with Augmented Reality and Robotics for Enhanced Precision and Accessibility
Published on: August 9, 2024
854
