一种用于微肌瘤动作评估的人工智能框架
计算机视觉与模式识别
2026-01-30 v1
摘要
微肌瘤技能是多个显微外科学科的基本能力。这些程序需要卓越的精确度和精细的技术技能，使得有效且标准化的评估方法至关重要。传统上，微外科技术的评估主要依赖于专家评审员的主观判断。它们受限于诸多限制，如评审间的变异性、缺乏标准化评估准则、易受认知偏见影响以及手动审查耗时的等问题。这些不足弱勢地凸显了迫切需要一种客观、可靠且自动化的系统，以一致且可扩展的方式评估微外科操作技能。为填补这一差距，我们提出了一个用于自动评估微肌瘤仪器操作技能的新型人工智能框架。该系统集成了四个核心组件：(1)基于你只看一次（YOLO）架构的仪器检测模块；(2)基于深度简单在线实时跟踪（DeepSORT）的仪器跟踪模块；(3)采用形状描述符的仪器尖端定位模块；(4)在专家标记数据上训练的监督分类模块，用于评估仪器操作熟练程度。实验结果表明，该框架有效，仪器检测精度达到97%，平均精度（mAP）为96%，测量使用的交并比（IoU）阈值范围为50%至95%（mAP50-95）。
引用
@article{arxiv.2601.21120,
title = {An AI Framework for Microanastomosis Motion Assessment},
author = {Yan Meng and Eduardo J. Torres-Rodríguez and Marcelle Altshuler and Nishanth Gowda and Arhum Naeem and Recai Yilmaz and Omar Arnaout and Daniel A. Donoho},
journal= {arXiv preprint arXiv:2601.21120},
year = {2026}
}
备注
Accepted by IEEE/EMBS NER 2025. \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses