腹腔镜直肠固定术中手术偏差的离线识别
图像与视频处理
2020-03-19 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
目的：中位 14.4% 的患者在术中经历至少一次不良事件，其中三分之一是可预防的。不良事件的发生迫使外科医生实施纠正策略，从而偏离标准手术流程。因此，自动识别不良事件显然是患者安全方面的一项重大挑战。本文中，我们提出了一种能够识别此类偏差的方法。我们聚焦于识别因手术事件（而非解剖特异性）导致的外科医生对标准手术流程的偏离。鉴于典型手术工作流的高度变异性，这尤其具有挑战性。方法：我们引入了一种新方法，基于多维非线性时间缩放与隐半马尔可夫模型并利用手术流程的人工标注，自动检测并区分手术流程偏差。随后通过交叉验证对该方法进行评估。结果：最佳结果准确率超过 90%。召回率与精确率均优于 70%。我们给出了对误检观测的详细分析。结论：基于多维非线性时间缩放与隐半马尔可夫模型的偏差检测取得了有前景的结果。我们对误检观测的误差分析提供了若干进一步改进方法的思路。意义：我们的方法证明了自动检测手术偏差的可行性，可应用于技能分析以及开发基于情境感知的计算机辅助手术系统。
引用
@article{arxiv.1909.10790,
title = {Offline identification of surgical deviations in laparoscopic rectopexy},
author = {Arnaud Huaulmé and Pierre Jannin and Fabian Reche and Jean-Luc Faucheron and Alexandre Moreau-Gaudry and Sandrine Voros},
journal= {arXiv preprint arXiv:1909.10790},
year = {2020}
}