开发一个人工智能算法,用于自动化手术手势注释
Rikke Groth Olsen1,2,3, Flemming Bjerrum4,5,6, Annarita Ghosh Andersen4,7
1Department of Urology, Copenhagen Prostate Cancer Center, Copenhagen University Hospital-Rigshospitalet, Copenhagen, Denmark. rikke.groth.olsen.01@regionh.dk.
Journal of robotic surgery
|July 18, 2025
概括
使用循环神经网络 (RNN) 进行的自动化手术手势分析显著提高了对手动注释的效率. 这种人工智能模型准确地对模拟手术中的手势进行分类,为客观的质量评估铺平了道路.
科学领域:
- 在外科手术中使用机器人
- 人工智能在医学中的应用
- 外科手术技能的评估.
背景情况:
- 手动注释手术手势是耗时和主观的.
- 对手术质量的客观评估对于培训和患者的结果至关重要.
- 机器人辅助手术为详细的程序分析提供了一个平台.
研究的目的:
- 开发和评估用于自动化手术手势注释的循环神经网络 (RNN).
- 在模拟的机器人辅助激进前列腺切除术中分析手势.
- 建立一个有效的手术质量评估方法.
主要方法:
- 一个包含五种手术手势的161个视频的数据集被手动注释.
- 创建了一个由两个部分组成的神经网络模型:视觉转换器特征提取器和基于LSTM的分类头.
- 该模型经过训练和验证,然后对其分类外科手势的能力进行了测试.
主要成果:
- 神经网络实现了0.95的曲线下面积 (AUC) 和0.71.71的F1得分.
- 对于手势分类,观察到高精度 (0.84-0.97) 和特异性 (0.90-0.99).
- 平均总同意 (重叠的度量) 在手势类之间从0.72到0.91不等.
结论:
- 成功开发了一种用于自动化手术手势分析的高性能神经网络.
- 该模型展示了对外科手术程序的客观和有效评估的潜力.
- 未来的工作将集中在注释真实手术视频和评估患者结果的预测.


