CAI4CAI：情境人工智能在计算机辅助介入中的兴起
图像与视频处理
2019-10-22 v1 计算机视觉与模式识别
摘要
数据驱动的计算方法已经发展到能够从医学图像中提取信息，其可靠性、准确性和速度正在改变临床实践中的图像解读与利用。尽管介入成像领域也渴望获得类似益处，但这一雄心受到高度异质性的挑战。介入套间和手术室中的临床工作流程极其复杂，通常依赖于集成度差的操作中设备、传感器和支持基础设施。在总结计算机辅助介入中机器学习与人工智能一些最令人振奋的进展后，我们强调必须将情境与人为因素纳入考量以应对这些挑战。面向计算机辅助介入的情境人工智能，即CAI4CAI，作为新兴机遇出现，并汇入更广阔的外科数据科学领域。CAI4CAI解决的核心挑战包括：如何整合来自专家、传感器与执行器的先验知识集合与瞬时感官信息；如何在人机混合行动者团队中创建并传达忠实且可操作的手术共享表征；如何设计介入系统及相关的认知共享控制方案，以实现在线不确定性感知的协同决策，最终产生更精确可靠的介入。
引用
@article{arxiv.1910.09031,
title = {CAI4CAI: The Rise of Contextual Artificial Intelligence in Computer Assisted Interventions},
author = {Tom Vercauteren and Mathias Unberath and Nicolas Padoy and Nassir Navab},
journal= {arXiv preprint arXiv:1910.09031},
year = {2019}
}