使用人工智能深度学习来检测和预防保留的手术海绵

科学领域:

• 医疗技术
• 人工智能
• 患者安全

背景情况:

• 保留的手术用品 (RSI),特别是海绵 (RSS),是持续存在的患者安全问题.
• 传统的预防方法如手动计数和RFID有其局限性,
• 人工智能 (AI) 提供了一种新的方法来增强保留的外科设备的检测.

研究的目的:

• 审查人工智能的应用,特别是深度学习模型,以防止保留的手术海绵.
• 评估人工智能技术在改善手术环境中检测RSS的有效性.
• 确定人工智能在RSI预防方面的挑战和未来方向.

主要方法:

• 应用人工智能的研究,包括卷积神经网络 (CNN) 和人工神经网络 (ANN),用于RSS检测.
• 分析人工智能模型在解释医学图像 (X射线) 和视频料 (腹腔镜) 的性能.
• 检查物体检测模型 (例如YOLO) 和计算机辅助检测 (CAD) 系统.

主要成果:

• 基于CNN的模型展示了从X射线和腹腔镜视频中检测RSS的显著改进,通常超过人类的准确性.
• 对象检测模型显示在手术期间实时RSS跟踪的希望.
• 基于ANN的CAD系统,特别是具有无线不透明标记器,可以提高被保留的海绵的识别精度.

结论:

• 人工智能,特别是深度学习,通过减少保留的手术海绵来提高患者的安全性.
• 数据局限性和假阳性等挑战需要进一步的研究以有效地整合人工智能.
• 人工智能检测系统的广泛采用可以改善患者的治疗结果,降低医疗费用,并防止手术从未发生.