Redefining the Laparoscopic Spatial Sense: AI-based Intra- and Postoperative Measurement from Stereoimages

要約

画像ガイド下手術における重要な課題は、血管部分、切除縁、腸の長さなどの関連構造を正確に測定する作業です。
この作業は多くの手術において不可欠な要素ですが、人的労力がかなりかかるため、不正確になりがちです。
この論文では、熟練の外科医によって指導された、ステレオビジョンを利用した腹腔鏡測定のための新しい人間 AI ベースの方法を開発します。
この研究では、全体的な定性的要件分析に基づいて、RAFT-Stereo や YOLOv8 などの最先端の機械学習アーキテクチャで構成される包括的な測定方法を提案します。
開発された手法は、さまざまな現実的な実験評価環境で評価されます。
私たちの結果は、誤差が 1 mm 未満の高精度の距離測定を達成する私たちの方法の可能性を概説しています。
さらに、表面上の測定は、テクスチャのない領域がある困難な環境に適用された場合の堅牢性を実証します。
全体として、画像誘導手術に固有の課題に対処することで、当社は術中および術後の測定のためのより堅牢で正確なソリューションの基礎を築き、より正確で安全かつ効率的な外科手術を可能にします。

要約(オリジナル)

A significant challenge in image-guided surgery is the accurate measurement task of relevant structures such as vessel segments, resection margins, or bowel lengths. While this task is an essential component of many surgeries, it involves substantial human effort and is prone to inaccuracies. In this paper, we develop a novel human-AI-based method for laparoscopic measurements utilizing stereo vision that has been guided by practicing surgeons. Based on a holistic qualitative requirements analysis, this work proposes a comprehensive measurement method, which comprises state-of-the-art machine learning architectures, such as RAFT-Stereo and YOLOv8. The developed method is assessed in various realistic experimental evaluation environments. Our results outline the potential of our method achieving high accuracies in distance measurements with errors below 1 mm. Furthermore, on-surface measurements demonstrate robustness when applied in challenging environments with textureless regions. Overall, by addressing the inherent challenges of image-guided surgery, we lay the foundation for a more robust and accurate solution for intra- and postoperative measurements, enabling more precise, safe, and efficient surgical procedures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google