基于深度学习的机器人辅助根治性前列腺切除术中的手术活动识别
计算机视觉与模式识别
2018-06-04 v1
摘要
不良手术结果对患者和医院而言代价高昂。尽管特定任务的执行在很大程度上导致了不良结果，但用于基准评估手术护理的方法通常仅限于整个手术过程的粗略度量。为了从任务而非整个手术过程产生度量指标，需要能够自动识别单个手术任务的方法。在本文中，我们提出了几种利用深度学习识别机器人辅助微创手术中手术活动的方法。我们收集了100例机器人辅助根治性前列腺切除术（RARP）的临床数据集，每例包含12个任务，并提出了RP-Net——一种InceptionV3模型的改进版本，用于基于图像的手术活动识别。使用RP-Net，我们在所有任务上取得了80.9%的平均精确率和76.7%的平均召回率，优于本文中探索的所有其他基于RNN和CNN的模型。我们的结果表明，在RARP期间自动手术活动识别是可行的，并且可以作为高级分析的基础。
引用
@article{arxiv.1806.00466,
title = {Surgical Activity Recognition in Robot-Assisted Radical Prostatectomy using Deep Learning},
author = {Aneeq Zia and Andrew Hung and Irfan Essa and Anthony Jarc},
journal= {arXiv preprint arXiv:1806.00466},
year = {2018}
}
备注
Accepted at MICCAI 2018