利用人工智能在手术视频分析中保护隐私：一种用于识别内窥镜视频中体外场景的深度学习分类器
计算机视觉与模式识别
2023-06-08 v2
摘要
目的：开发并验证一种用于识别内窥镜视频中体外图像的深度学习模型。背景：手术视频分析有助于教学与研究。然而，内窥镜手术的视频记录可能包含隐私敏感信息，尤其是在记录了体外场景的情况下。因此，识别内窥镜视频中的体外场景对于保护患者和手术室工作人员的隐私至关重要。方法：在一个包含 12 种不同类型腹腔镜和机器人手术的内部数据集上训练并评估了一种深度学习模型。外部验证在两个独立的多中心腹腔镜胃旁路术和胆囊切除术测试数据集上进行。从视频数据集中提取的所有图像均被标注为体内或体外。模型性能相对于人类真值标注进行评估，测量受试者工作特征曲线下面积（ROC AUC）。结果：由 48 个视频的 356,267 张图像组成的内部数据集，以及分别由 10 和 20 个视频的 54,385 和 58,349 张图像组成的两个多中心测试数据集被标注。相较于真值标注，该模型在内部测试数据集上以 99.97% 的 ROC AUC 识别体外图像。在多中心胃旁路术数据集上的平均 标准差 ROC AUC 为 99.940.07%，在多中心胆囊切除术数据集上为 99.710.40%。结论：所提出的深度学习模型可可靠识别内窥镜视频中的体外图像。训练好的模型已公开共享。这有助于在手术视频分析中保护隐私。
引用
@article{arxiv.2301.07053,
title = {Preserving Privacy in Surgical Video Analysis Using Artificial Intelligence: A Deep Learning Classifier to Identify Out-of-Body Scenes in Endoscopic Videos},
author = {Joël L. Lavanchy and Armine Vardazaryan and Pietro Mascagni and AI4SafeChole Consortium and Didier Mutter and Nicolas Padoy},
journal= {arXiv preprint arXiv:2301.07053},
year = {2023}
}
备注
Jo\"el L. Lavanchy and Armine Vardazaryan contributed equally and share first co-authorship