五十种红色的阴影! - 利用机器学习来估计手术海绵的血液损失

科学领域:

• 医疗技术 医疗技术 医学技术
• 人工智能的人工智能
• 手术创新 在外科创新.

背景情况:

• 准确的手术内流血损失估计非常重要,特别是在儿科手术中.
• 传统方法往往不精确,需要客观和高效的替代方案.

研究的目的:

• 开发和评估一种新的机器学习 (ML) 方法,用于使用手术海绵进行客观的手术内流血损失估计.
• 评估部署这种ML系统在商品智能手机上的可行性,作为现有解决方案的低成本替代方案.

主要方法:

• 开发了一个像素计数率系统,结合了图像预处理技术,如边缘检测.
• 评估了各种ML算法,包括渐变增强 (GB) 和人工神经网络 (ANN),并进行了超参数调整.
• 该系统是为智能手机部署而设计的,并采取措施解决像折叠,照明和运动模糊等图像质量问题.

主要成果:

• 基于ML的方法显著优于主观视觉估计.
• 梯度提升和ANN模型实现了高精度,最低RMSE为0.91和最大R2为0.93.
• 每个海绵的RMSE约为0.9cc,在临床决策支持的可接受误差范围内.

结论:

• 基于ML的像素计数方法为手术内输血估计提供了更准确,更有效的替代方案.
• 该系统显示出通过移动电话应用程序实现实际临床集成的巨大潜力.
• 未来的工作包括数据集扩展,算法改进和适应专门设备.