基于人工智能的实时细分和特征跟踪,用于泌尿后皮带机器人辅助手术

科学领域:

• 在外科手术中使用机器人和人工智能.
• 医学成像和计算机视觉
• 手术导航系统 手术导航系统

背景情况:

• 机器人辅助手术,特别是达芬奇单端口 (SP) 系统,在狭窄的空间中提供了精确度,如背膜.
• 脊椎外科解剖学给外科医生带来了重要的空间导向挑战,特别是那些新进入该领域的人.
• 这项研究解决了在SP后关节手术中改善可视化和指导的需求.

研究的目的:

• 开发和验证基于人工智能 (AI) 的框架.
• 为了使实时细分和特征跟踪在SP retroperitoneal机器人辅助切除术期间.
• 在具有挑战性的解剖位置上增强空间意识和手术精度.

主要方法:

• 使用基于YOLACT++的卷积神经网络 (CNN),例如细分.
• 在15名接受SP切除术的患者的注释视频上训练了AI模型.
• 执行实时细分和检测关键的解剖标志和手术仪器.

主要成果:

• 精度回忆曲线 (AUPRC) 下的高面积值:地标为0.759-0.901,仪器为0.887.
• 演示了人工智能对手术视频流的实时分析能力.
• 确定了包括小数据集和可变细分精度在内的某些结构的局限性,如尿道.

结论:

• 人工智能框架显示了实时手术指导在SP后关节手术中的巨大潜力.
• 这项技术有可能改善新手外科医生的培训,并简化复杂的背外科手术.
• 未来的工作包括数据集的扩展,准确度的提高和集成到现场手术环境中.