與數(shù)據(jù)科學研究所的跨學科研究產(chǎn)生了一種很有前途的機器學習技術(shù)，可以有效地跟蹤復(fù)雜的手術(shù)活動，從而有可能改善患者的治療效果、安全性和文件記錄。

TingYan“Nicholas”Deng是一名主修計算機科學、數(shù)學和經(jīng)濟學的三年級學生，他使用類似于控制自動駕駛汽車的算法開發(fā)了一種技術(shù)，該技術(shù)可以分析戴在外科醫(yī)生脖子上的攝像頭拍攝的手術(shù)視頻。

該項目是與開發(fā)伯努瓦Dawant，電氣工程教授和計算機科學與主任的外科手術(shù)和工程范德比爾特研究所和亞歷山大Langerman，耳鼻咽喉-頭頸外科的副教授，和2020年的虎鉗醫(yī)師在住所。

“視頻是手術(shù)室里發(fā)生的事情的最終客觀記錄，”蘭格曼說。“如果患者需要第二次手術(shù)，外科醫(yī)生可以準確地看到第一次手術(shù)期間發(fā)生的情況。從更大的角度考慮，手術(shù)視頻可以確定提高外科醫(yī)生績效的方法以及影響患者結(jié)果的因素。我們只需要確保我們捕捉到了正確的東西。”

鄧的工作進一步改進了手術(shù)視頻：確保攝像機始終對準正確的位置。

文章“使用掩模R-CNN自動檢測開放頸部手術(shù)視頻中的手術(shù)傷口”發(fā)表在光光學儀器工程師協(xié)會會議論文集上。這項工作是第一個已知的使用第一人稱視頻片段進行開放式手術(shù)傷口檢測的演示。

鄧在手術(shù)視頻上訓練了一種名為“maskR-CNN”的算法，以分割和跟蹤手術(shù)傷口，同時不受許多手、儀器和材料的干擾，這些手、儀器和材料不斷改變光線條件并遮擋視野。這種持續(xù)的活動使應(yīng)用maskR-CNN成為一項困難且技術(shù)含量高的挑戰(zhàn)。在處理了一千多張圖像后，maskR-CNN可以量化傷口、外科醫(yī)生的手和手術(shù)器械之間的相對距離和運動。

“對于使用相對較少的視頻，該算法的表現(xiàn)非常好，”蘭格曼說。“我相信我們正在開發(fā)一種高度可靠的技術(shù)來檢測開放手術(shù)領(lǐng)域的關(guān)鍵元素。”

“這次合作有非常有趣的組成部分。在開發(fā)maskR-CNN的過程中，TingYan帶來了他的創(chuàng)造性和堅定的態(tài)度，”Dawant說。“我們對這項工作的發(fā)展方向持樂觀態(tài)度。”

從2020年1月開始這項工作，鄧在機器學習和深度學習技術(shù)方面沒有太多經(jīng)驗。他覺得他在數(shù)據(jù)科學研究所舉辦的研討會上對計算機科學有了更具體的認識，并且能夠應(yīng)用這些課程來學習其他算法結(jié)構(gòu)。從這次經(jīng)歷中，鄧對攻讀數(shù)據(jù)科學研究生學位產(chǎn)生了興趣。

“這個項目最酷的部分是它的跨學科性質(zhì)，”鄧說。“處理醫(yī)學圖像并不容易，因為大多數(shù)圖像都不是公開可用的。我很高興參與這樣一個獨特的項目，為手術(shù)帶來創(chuàng)新的驅(qū)動算法。”

鄧的研究得到了VISE的支持。他正在撰寫兩篇學術(shù)論文：一篇將maskR-CNN結(jié)果和方法與現(xiàn)有方法進行比較，另一篇是關(guān)于跟蹤手術(shù)器械的第二種對象檢測算法。今年夏天，鄧將通過VISE獎學金繼續(xù)他的工作。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！