人与计算机视觉协作测量手术暴露和长度在内内镜头骨头底部手术

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 内内镜方法 (EEA) 是一种最少的侵入性技术.
• 在欧洲经济区对外科手术暴露的定量分析对于外科手术评估至关重要.
• 目前用于测量外科手术暴露的方法可能耗时.

研究的目的:

• 开发和验证基于计算机视觉 (CV) 的系统,用于在欧洲经济区对外科手术暴露的定量分析.
• 与现有方法相比,评估CV系统的准确性和效率.
• 调查手术暴露指标与残留瘤之间的关联.

主要方法:

• 使用EEA操作视频开发和训练了一个CV算法.
• 用参考仪器对长度和面积的像素测量进行校准.
• 通过测量间距离和高度,验证了CV模型.
• 对训练,测试-1和测试-2数据集 (95.1%,95.8%,96.2%) 的准确性进行了评估.

主要成果:

• 基于CV的系统在分析手术暴露时实现了高精度.
• 与神经导航相比,基于CV的分析将区域测量的时间减少了89% (p < 0.001).
• 较小的侧面和区域外科手术暴露与残留瘤有显著的相关性 (p = 0.001和p = 0.024).

结论:

• 计算机视觉提供了一个准确而有效的方法来量化EEA的外科手术暴露.
• 心血管系统可以显著减少手术区域测量所需的时间.
• 人工智能和CV应用可以加快EEA手术中的定量外科暴露分析,从而有可能改善患者的治疗结果.