学生开发的机器学习技巧使手术更安全，更容易审查

与数据科学研究所的跨学科奖学金导致了一个有前途的机器学习技术，可以有效地跟踪复杂的外科活动，从而有可能改善患者的结果，安全和文档。

Tingyan“尼古拉斯”邓，第三年的学生专业计算机科学，数学和经济学，二手算法类似于控制自主车辆的算法，以开发分析外科医生颈部佩戴的摄像机捕获的手术视频的技术。

该项目是由Benoit Dawant，电气工程和计算机科学教授和门廊手术和工程研究所主任开发，以及耳鼻喉科和颈部手术副教授的Alexander Langerman，以及2020名Vis​​e医师住宅。

“视频是手术室发生的最终的客观记录，”兰伯曼说。“如果患者需要第二个程序，外科医生可以确切地看到第一次手术期间发生的事情。思考甚至更大，外科视频可以识别提高外科医生性能和影响的元素的方法患者结果。我们只需要确保我们捕获正确的东西。“

邓小平的工作采取了改善手术视频的下一步：确保相机始终瞄准正确的位置。

本文于2月15日发表于第15次照片光学仪表工程师协会的会议课程中公布了“使用面具R-CNN的开放式颈部程序的录像机的手术伤口自动检测.15。这项工作是首次出现的公开演示使用第一人称手术伤口检测视频镜头。

警告：此视频具有外科手术的图形图像。

DENG培训了一种称为“掩模R-CNN”的算法，在手术视频上培训到细分并跟踪手术伤口，同时免受来自许多手，仪器和材料的分散，不断改变光线条件并遮挡视野。这种恒定的活动使掩模R-CNN应用了一个困难而高的技术挑战。在使用超过千张图片后，掩模R-CNN可以量​​化伤口，外科医生的手和外科手术器之间的相对距离和运动。

“对于使用相对少量的视频，该算法表现得非常好，”Langerman说。“我相信我们正在寻求创造一种高度可靠的技术，用于检测开放外科领域的关键要素。”

“这一合作有很有趣的组成部分。Tingyan在开发面具R-CNN中与他带来了他的创造性和坚定的态度，”Dawant说。“我们乐观地对此作品在哪里。”

在2020年1月开始这项工作，邓没有机器和深度学习技术的经验。他认为，在数据科学研究所主办的工作坊中，他在研讨会中获得了更具体的计算机科学感，并且能够将这些课程应用于其他算法形成。从这种体验，邓已经有兴趣追求数据科学研究生学位。

“这个项目的最酷部分是其跨学科的性质，”邓说。“使用医学图像并不容易，因为大多数都没有公开可用。我非常兴奋地参加这样一个独特的项目，将创新的驾驶算法带入手术。”

邓小平的研究得到了VISE的支持。他正在两个工作学术论文：一个将面膜R-CNN结果和方法与现有方法进行比较，另一个在第二个对象检测算法上跟踪手术器械。邓先生将通过今年夏天通过虎钳奖学金继续工作。

---

---