PitRSDNet：内镜垂体手术中预测手术剩余时长的模型
图像与视频处理
2024-11-05 v2 计算机视觉与模式识别
机器学习
摘要
准确的手术内剩余手术时长（RSD）预测允许麻醉师更准确地决定何时给予麻醉剂和药物，也允许医院工作人员发送下一位患者。因此，RSD 在提高患者护理和最小化手术厅成本方面发挥着重要作用。内镜垂体手术因可选步骤导致手术时长高度可变，这使得该任务尤其具有挑战性。本文提出 PitRSDNet 用于预测垂体手术中的 RSD，这是一个空间-时间神经网络模型，从历史数据中学习关注工作流程序列。PitRSDNet 以两种方式将工作流程知识融入 RSD 预测：1）多任务学习用于同时预测步骤和 RSD；2）将先前步骤作为上下文纳入时间学习和推断。我们在包含 88 部内镜垂体手术视频的数据集上训练和评估了 PitRSDNet，显示其在先前统计和机器学习方法方面表现出竞争力。研究结果还突显了 PitRSDNet 在利用先前步骤知识处理离群案例时提高 RSD 精度的能力。
引用
@article{arxiv.2409.16998,
title = {PitRSDNet: Predicting Intra-operative Remaining Surgery Duration in Endoscopic Pituitary Surgery},
author = {Anjana Wijekoon and Adrito Das and Roxana R. Herrera and Danyal Z. Khan and John Hanrahan and Eleanor Carter and Valpuri Luoma and Danail Stoyanov and Hani J. Marcus and Sophia Bano},
journal= {arXiv preprint arXiv:2409.16998},
year = {2024}
}
备注
Accepted to the Augmented Environments for Computer-Assisted Interventions (AE-CAI) Workshop at the Medical Image Computing and Computer-Assisted Interventions (MICCAI) Conference 2024