自主手术涉及让机器人自主执行手术任务,具有提高精度、利用生物信号进行干预护理、提高手术效率和指导的优点。但是,这些方法可能取代一些手术团队和单个外科医生的任务,同时也带来了新的干预能力。本章节概述商业和研究中机器人自主性的现状,并介绍了开发自主手术机器人所面临的一些挑战。
Jul, 2017
本文研究了人工智能系统在手术期间识别腹膜表面转移瘤方面的作用,发现在仿真环境下,深度学习手术辅助系统能够比直接手术更加准确的识别腹膜表面转移瘤,可以在一定程度上降低误识别率并提高手术成功率,但需要在多机构临床环境下进一步研究。
Jun, 2023
该研究旨在评估人工智能在卵巢癌诊断和预后中的应用研究,结果显示有限的研究表明所有模型存在高风险和不确定性,建议未来研究需采用更加透明全面的报告和改进性能评估,从而提高其可重复性。
Mar, 2023
本研究提出一种基于深度学习的 CADx 方法,使用卷积神经网络和注意力机制来对子宫内膜癌进行诊断。实验结果表明,该方法在诊断准确率上优于人类专家和其他深度学习基础算法。
Apr, 2019
该研究探讨了机器学习和自动化机器学习在医学图像分析中的应用,通过使用神经架构搜索和迁移学习等技术来改善人类专家和计算机系统的诊断准确性。
高技术要求且患者结局至关重要时,通过客观运动分析反馈监测和改进外科技能的机会可能特别有益。本综述通过对技术和非技术外科技能、协作任务表现和姿态估计的研究进行综合,揭示了通过计算机视觉和人工智能的创新推进心胸外科手术性能的新机遇。这些技术创新从纵向上评估其对心胸外科手术界所带来的益处,并详细阐述了采用该技术的障碍。如同其他一些专业一样,心胸外科手术相对较少有机会从嵌入数据采集技术的工具中受益(例如机器人辅助腹腔镜手术)。在这种情况下,允许在常规手术领域中进行运动追踪而不使用专业设备或标记的姿态估计技术具有相当大的潜力。借助来自模拟或真实外科手术过程的视频数据,这些工具可以(1)深入了解外科医生职业生涯中专业知识和手术性能的发展,(2)为实习外科医生提供改进方面的反馈,(3)研究与患者结局有关的技能方面,并(4)在培训或指导计划中确定应重点关注的外科技能方面提供支持。利用人工智能进行 ' 学习 ' 专家外科评估者的专业知识的分类器或评估算法可以进一步帮助教育工作者确定实习生是否达到了胜任水平。
Feb, 2024
人工智能在自主血管内操作导航方面的潜力很大,但目前仍处于实验概念验证阶段,技术准备水平为 3。我们强调指定性能度量的参考标准对于未来几年提出的数据驱动算法的比较至关重要。
May, 2024
该综述论文介绍了人工智能、机器学习和数据处理技术在护理中的运用,通过分类研究概述了其在手术前后的流程中对患者、护士、反馈、技术等方面的影响。
Jan, 2022
通过使用计算机视觉和机器学习算法,作者建立了一个用于识别神经外科手术室中的手术工具的算法,该算法可以帮助追踪手术工具、减少手术废料和无用工具的开启,从而提高手术室的效率。
Dec, 2023
本研究开发了一个新的系统,通过无缝地融合人工智能模块和增强现实可视化,自动生成机器人手术教育的手术指导。该系统利用强化学习从专家演示中学习,生成 3D 指导轨迹,提供手术过程的先前上下文信息。将 3D 轨迹与文本提示等其他信息重叠在 dVRK 的立体视图中,让用户能够感知并学习该过程。通过 peg-transfer 手术的初步实验,证明了该系统的可行性和潜力,是下一代机器人辅助手术教育解决方案。