Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Sep 18, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.4K

优化手术效率:使用机器学习预测普通普通外科手术程序的病例持续时间.

Michelle Kwong1,2, Mohammad Noorchenarboo3, Katarina Grolinger3

  • 1Department of Anesthesiology and Pain Medicine, University of Alberta, Edmonton, Canada.

Surgical endoscopy
|June 26, 2025
PubMed
概括

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Standardization of surgical gesture taxonomy: a SAGES Delphi consensus study.

Surgical endoscopy·2026
Same author

Benchmarking text encoding strategies in multimodal clinical data for surgical case duration prediction.

International journal of medical informatics·2026
Same author

Alzheimer's disease disrupts intra-adipose neurovascular contact.

Journal of lipid research·2025
Same author

Estimating Thorax and Shoulder Motion Using Magnetic-Free Quaternion-Based Functional Sensor-To-Segment Calibration.

IEEE ... International Conference on Rehabilitation Robotics : [proceedings]·2025
Same author

Canadian portrait of ergonomics in bariatric surgery.

Surgical endoscopy·2025
Same author

A multi-modal training environment for colonoscopy with pressure feedback.

Surgical endoscopy·2024
此摘要是机器生成的。

机器学习模型,特别是人工神经网络 (ANN),准确地预测了手术的持续时间,超过了外科医生的主观估计. 这一进步可以通过改善病例时间预测来优化手术室资源利用率.

科学领域:

  • 医疗信息学 医疗信息学
  • 机器学习在外科手术中的应用
  • 操作室管理 操作室管理

背景情况:

  • 准确预测手术持续时间对于有效的手术室资源分配至关重要.
  • 目前的日程安排依赖于主观的外科医生估计,这可能是不准确的.
  • 开发客观预测模型对于优化外科手术安排至关重要.

研究的目的:

  • 开发和比较各种预测模型,包括机器学习算法,用于估计外科病例持续时间.
  • 客观地预测常见的可选一般外科手术程序的病例持续时间.
  • 为了比较模型的性能与传统的外科医生估计.

主要方法:

  • 训练有素的预测模型使用来自三个学术高等中心的电子健康记录数据.
  • 定义"病例持续时间"为从病人入院到离开手术室的时间.
  • 基于预测准确性和残留分析的评估模型,将它们与"预定持续时间" (外科医生的估计) 进行比较.

主要成果:

  • 训练了多个模型 (线性回归,SVM,随机森林,XGBoost,ANN) 在16,159名接受17,246项手术的患者身上.
  • 人工神经网络 (ANN) 模型显示出卓越的预测准确性,根平均平方误差为49.7分钟,平均绝对误差为31.8分钟.
关键词:
案件持续时间预测预测案件安排时间表选择性手术是可以选择的.一般外科手术是一般的.机器学习是机器学习.

更多相关视频

Robotics in Surgery: A Modular Robotic Platform Driven Gastric Wedge Resection
07:27

Robotics in Surgery: A Modular Robotic Platform Driven Gastric Wedge Resection

Published on: February 7, 2025

619

相关实验视频

Last Updated: Sep 18, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.4K
Robotics in Surgery: A Modular Robotic Platform Driven Gastric Wedge Resection
07:27

Robotics in Surgery: A Modular Robotic Platform Driven Gastric Wedge Resection

Published on: February 7, 2025

619
  • ANN提供了更准确的病例时间估计,平均超过外科医生的估计超过18分钟.

    • 结论:

    • ANN模型对外科病例时间的估计比提供者基于知识的估计准确得多.
    • 机器学习模型可以消除传统外科手术安排方法固有的主观偏见.
    • 机器学习在预测病例持续时间方面的未来应用可以提高医疗保健资源利用率.