本文研究了应用 Mask R-CNN 作为特征提取方法来解决可移动卧位胸部 X 射线片在检测气管插管和检测位置时所面临的问题，通过该方法可以提取出气管插管以及在图像中的叉状气管。实验结果证明了该方法的高鲁棒性，对于 ETT-carina 距离的检测精度达到了 5mm 左右。

Jun, 2022

研究介绍了视频胶囊内窥镜、人工智能以及 VCE 数据解释等主题，使用卷积神经网络准确识别解剖标记，以轻量级模型提高临床医生信心。

Aug, 2023

本研究使用深度学习方法，基于视频数据进行自动技能评估，结果表明使用 3D ConvNet 直接从数据中学习有意义的模式可以高效评估外科技术技能，使得人工特征工程不再是必须的。

Mar, 2019

本文提出了一种基于虚拟环境生成口咽器官数据，采用 IoU-Ranking Blend (IRB) 和风格转移技术的区域自适应 Sim-to-Real 方法进行影像分割的方法，实验结果表明，该方法在域自适应模型上具有卓越的性能，可以提高分割精度和训练稳定性，具有广阔的机器人辅助插管手术和智能手术导航应用潜力。

May, 2023

本文提出一种称为 IoU-Ranking Blend-ArtFlow（IRB-AF）的领域自适应 Sim-to-Real 框架，用于口咽器官的图像分割，结合深度学习和域适应技术，通过一个虚拟数据集的学习主体来解决实际数据集匮乏问题，并在该模型上表现出卓越的性能。

May, 2023

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

本文提出了一种仅利用支气管镜视屏数据来实现导航引导的方法，通过 CNN 对气道分割进行单帧分类并采用基于状态转移的 HMM 模型应用解剖学约束和时间上文本信息对支气管树进行定位，能够在无需电磁跟踪和 CT 扫描的情况下，实现对支气管镜操作的视觉引导。

Jul, 2023

通过学习超过 1600 万干预 X 光帧的数据，我们提出了一种新的方法来实现设备的准确检测和跟踪，从而提高干预心血管手术的安全性和效果，同时在干预图像分析中的其他任务中更好地理解时空语义。

May, 2024

本研究提出了一种基于注意力机制的深度学习模型，可使用紧急科室病人的连续和规范数据以及医疗文本数据来预测病人所需的资源，从而提高排队模式的准确性和可靠性

Mar, 2018

本文提出了一种基于变形 DeTR 和语义对齐匹配模块的基于 Transformer 的标志检测解决方案，用于检测机器辅助气道插管中的标志。实验结果表明我们的解决方案在检测准确性方面具有竞争力。

Aug, 2023