腹腔镜手术可能需要数小时 并且通常记录由相机产生的视频

腹腔镜检查是一种手术技术，其中将光纤摄像机插入患者的腹腔中以提供视频馈送，该视频馈送引导外科医生通过微创手术。

腹腔镜手术可能需要数小时，并且通常记录由相机产生的视频 - 腹腔镜。这些录音包含大量信息，可用于培训有助于手术的医疗提供者和计算机系统，但由于审查它们非常耗时，因此它们大多闲置。

麻省理工学院和马萨诸塞州总医院的研究人员希望通过一个新系统来改变这种状况，该系统能够有效地搜索数百小时的视频，以查找与一些训练样例相对应的事件和视觉特征。

在他们本月在机器人和自动化国际会议上展示的工作中，研究人员训练他们的系统识别手术的不同阶段，例如活组织检查，组织切除，缝合和伤口清洁。

但该系统可以应用于医生认为值得的任何分析问题。例如，它可以进行培训，以预测何时应该为外科医生的使用准备特定的医疗器械(如额外的钉仓)，或者如果外科医生遇到罕见的异常解剖结构，它可能会发出警报。

“外科医生对我们的工作所具备的所有功能感到非常兴奋，”电子工程和计算机科学的Andrew和Erna Viterbi教授以及该论文的资深作者Daniela Rus说。“他们很高兴能够将手术胶带自动分割和索引，因为现在这些胶带可以用于训练。如果我们想了解手术的第二阶段，我们确切地知道去哪个地方寻找那个部分。我们不知道在此之前必须要注意每一分钟。对于外科医生来说，另一件非常令人兴奋的事情是，在未来，我们应该能够实时监控手术的进展。“

加入罗斯的论文是第一作者米哈伊尔·沃尔科夫，他是罗斯集团的一名博士后工作，现在是东京SMBC日兴证券的定量分析师。罗斯的另一位博士后人物罗斯曼; 马萨诸塞州综合医院(MGH)的Daniel Hashimoto和Ozanan Meireles。

代表帧

这篇新论文建立在Rus小组之前关于“核心集”的工作的基础上，或者是大型数据集的子集，这些数据集保留了其显着的统计特征。在过去，Rus'小组已经使用核心集来执行任务，例如推断维基百科文章的主题或记录GPS连接汽车所经过的路线。

在这种情况下，核心集由几百个左右的短视频片段组成 - 每个片段只有几帧。选择每个片段是因为它提供了围绕它的几十甚至几百个帧的良好近似。因此，核心设备将视频文件的初始大小降低至其初始大小的十分之一，同时仍然保留了大部分重要信息。

在这项研究中，MGH外科医生在消除部分胃的过程中确定了七个不同的阶段，研究人员在八个腹腔镜视频中标记了每个阶段的开始。这些视频用于训练机器学习系统，该系统又应用于之前从未见过的四个腹腔镜视频的核心组。对于核心组中的每个短视频片段，系统能够将其分配到正确的手术阶段，准确率为93%。

“我们想看看这个系统如何适用于相对较小的训练集，”罗斯曼解释说。“如果您在特定的医院，并且您对特定的手术类型感兴趣，或者甚至更重要的是手术的特定变体 - 所有这些或那种情况发生的外科手术 - 您可能没有很多例子“。

选择标准

研究人员用于提取核心集的一般程序是他们之前描述的程序，但核心集选择总是取决于它所应用的数据的特定属性。包含在核心组中的数据 - 这里是视频帧 - 必须近似于被遗漏的数据，并且对于不同类型的数据，不同地测量近似程度。

然而，机器学习可以被认为是近似问题。在这种情况下，系统必须学会识别在单独的腹腔镜饲料中的视频帧之间的相似性，其表示外科手术的相同阶段。它所达到的相似度量也用于评估包含在核心集中的视频帧与被省略的视频帧的相似性。

“特别是介入医学 - 外科手术 - 在很多方面都归结为人类的表现，”约翰霍普金斯大学计算机科学教授格雷戈里·哈格(Gregory Hager)说，他研究计算机和机器人技术的医学应用。“正如在体育等人类努力的许多其他领域一样，人类表现的质量决定了你所取得的成果的质量，但是如果你愿意的话，我们并不知道很多关于创造好事的分析像Daniela正在做的工作一样，我们的工作确实涉及到以下问题：我们能否开始量化手术过程是什么，然后在这个过程中，我们能否开发出可以将人类表现与质量相关联的措施关心病人接受了吗?“

“现在，效率” - 由核心集提供的那种 - “可能并不那么重要，因为我们正在处理少数这些事情，”海格补充道。“但你可以想象，如果你开始记录每次进行的手术 - 我们仅在美国谈论了数以千万计的手术 - 现在考虑效率开始变得有趣了。”