DAISI：面向人工智能手术指导的数据库
计算机视觉与模式识别
2020-04-07 v1 人工智能
图像与视频处理
摘要
当现场专家不可得时，对施行手术的外科医生进行远程指导对患者治疗可能至关重要。然而，专家导师常无法为受训者提供实时医疗指导。当导师缺席时，应具备一种后备自主机制以为医疗从业者提供所需指导。不过，医学中的 AI/自主指导受限于可泛化预测模型及用于训练这些模型的手术流程数据集的可用性。本文展示了开发用于自主医疗指导的智能人工系统的初步步骤。具体而言，我们提出首个面向人工智能手术指导的数据库（DAISI）。DAISI 利用图像与指导说明，提供来自不同医学学科手术流程的逐步演示。该数据集采集自真实手术流程及学术教材数据。我们使用 DAISI 训练了一个编码器-解码器神经网络，能够根据当前手术视野预测医疗指导说明。随后，利用累积 BLEU 分数及专家医师的输入对所预测指导进行评估。据 BLEU 分数，预测与真实指导的相似度最高达 67%。此外，专家医师采用李克特量表对算法进行主观评价，认为预测描述与图像相关。本工作为辅助自主医疗指导的 AI 算法提供了基线。
引用
@article{arxiv.2004.02809,
title = {DAISI: Database for AI Surgical Instruction},
author = {Edgar Rojas-Muñoz and Kyle Couperus and Juan Wachs},
journal= {arXiv preprint arXiv:2004.02809},
year = {2020}
}
备注
10 pages, 4 figures, to access database, see https://engineering.purdue.edu/starproj/_daisi