在微创手术中使用基于YOLO和R-CNN的模型检测和跟踪布海绵
Shuo-Lun Lai1,2, Yung-Chien Chou3, Chi-Sheng Chen1
1Graduate Institute of Biomedical Electronics and Bioinformatics, National Taiwan University, Taipei, 10617, Taiwan.
Medical & biological engineering & computing
|November 19, 2025
概括
这项研究引入了一种计算机视觉模型,可以在实时视频中跟踪手术布的海绵,显著提高检测准确度,并帮助外科医生定位保留的手术物品.
科学领域:
- 医学技术 医学技术 医学技术
- 计算机视觉 计算机视觉 计算机视觉
- 外科手术的安全性
背景情况:
- 保留的手术布海绵是一种常见的并发症,增加了麻醉风险和手术延迟.
- 微创手术提供了通过数字摄像头实时对象监控的机会.
研究的目的:
- 在视频中比较物体检测方法来识别手术布海绵.
- 开发和验证用于实时手术应用的带跟踪模型.
主要方法:
- 评估了物体检测模型 (YOLO,具有各种脊柱的更快R-CNN).
- 一个新的调节模块被纳入,以尽量减少假阳性.
- 该模型生成了布存在的时间表,与人类注释进行验证.
主要成果:
- 更快的R-CNN与ResNet101-FPN骨干展示了卓越的性能.
- 添加调节模块使精度提高到0.94,F1得分提高到0.862.
- 模型的性能与手术视频上的人类注释有很高的一致性.
结论:
- 开发的带跟踪模型显示了实时手术内使用的显著前景.
- 这项技术可以提供关键信息,帮助外科医生找到丢失的布海绵,提高患者的安全性.
