在骨科手术中引入手术流程识别与时间监督
Camille Graëff1, Nicolas Padoy2, Philippe Liverneaux3
1University of Strasbourg, CNRS, INSERM, ICube, UMR7357, 300 boulevard Sébastien Brant, Illkirch, 67412, France.
Computers in biology and medicine
|September 5, 2025
概括
这项研究引入了手术流程识别 (SWR) 的最大的开放手术数据集和一种新的弱监督方法 (UCATD),该方法以最小的注释实现了竞争性性能.
科学领域:
- 计算机视觉
- 医疗信息学
- 整形外科
背景情况:
- 手术工作流程识别 (SWR) 对于提高患者安全和外科医生的表现至关重要.
- 由于开放手术数据有限,现有的SWR研究主要集中在内镜手术上.
- 开放式手术带来了独特的挑战,
研究的目的:
- 开发和验证用于开放性骨科手术的SWR,特别是用于距离半径骨折 (DRF) 的最小侵入性板骨合成 (MIPO).
- 介绍公开手术SWR最大的公开数据集.
- 提出一种新的低监督方法来减少SWR中的注释负担.
主要方法:
- 创建一个包含50个视频的新数据集 (约. 30小时) 的DRF MIPO程序.
- 评估最先进的完全监督的方法,以建立MIPO手术预测的基准.
- 开发不确定性和集群意识时间扩散 (UCATD) 方法,用于使用时间注的弱监督SWR.
主要成果:
- 该数据集是公开手术SWR中最大的公开数据集.
- UCATD显著优于现有的时间监督方法.
- 通过完全监督的方法,UCATD只使用了0.1%的注释数据.
结论:
- 开发的数据集和UCATD方法在开放式骨科手术中推进了SWR.
- 弱监督学习,特别是UCATD,为SWR的注释挑战提供了可行的解决方案.
- 这项工作为在复杂的开放手术中改进SWR应用铺平了道路.
