手术室中的人工智能:对手术阶段,仪器和解剖结构识别的人工智能模型进行系统审查

科学领域:

• 医疗人工智能
• 手术技术
• 医学中的计算机视觉

背景情况:

• 对手术内视频分析的深度学习算法进行系统审查.
• 专注于外科外科的特征提取和模式识别.

研究的目的:

• 研究人工智能在手术视频分析中的应用.
• 评估深度学习模型在识别手术阶段,解剖结构和仪器方面的表现.

主要方法:

• 在PubMed,科学网络和EBSCO进行全面的文献搜索,截至2024年3月.
• 包括使用人工智能进行手术视频分析的研究,重点是机器和深度学习.
• 主要结果指标包括准确性,精度,回忆和F1分数.

主要成果:

• 包括21项研究,主要使用多层神经网络.
• 深度学习模型实现了高准确度:手术阶段识别为81%-93.2%.
• 解剖结构识别模型的准确度在71.4%至98.1%之间.

结论:

• 人工智能可以提高手术精度和工作流程.
• 在手术阶段和解剖结构识别中成功应用.
• 需要进一步的研究来克服数据集的局限性,标准化注释和减轻偏见.