手术工作流分析:一种可以解释的方法

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 医疗保健中的机器学习

背景情况:

• 手动手术工作流分析是低效和不一致的.
• 在导管实验室需要自动化解决方案,以提高效率和患者安全.
• 现有的方法缺乏解释性和适应性.

研究的目的:

• 开发一个可解释的,用于外科手术工作流分析的自动化两阶段模型.
• 通过使用计算机视觉和机器学习来增强工作流程阶段的实时分类.
• 验证模型的通用性和临床实施潜力.

主要方法:

• 利用天花板上的摄像头进行数据采集.
• 实现了一个双阶段模型,将YOLOv8物体检测和高斯混合模型 - 隐藏的马尔科夫模型 (GMM-HMM) 结合起来.
• 用GMM-HMM建模的时空动态来实时工作流阶段分类.

主要成果:

• 实现了高准确度:RdGG数据集上的95.2%,HH坦佩雷数据集上的95.4%.
• 在不同的医院环境中证明了通用性.
• 突出显示模型的可解释性,稳定性和精确的相位过渡识别.

结论:

• 开发的模型为自动化外科手术工作流分析提供了一个精确,可解释和可适应的解决方案.
• 由于实时应用和跨医院的适应性,临床实施的潜力.
• 未来的工作包括提高阻塞强度和整合多模式数据.