LC-Smart: un modelo de control de calidad basado en aprendizaje profundo para colecistectomía laparoscópica

Objetivo: La visión crítica de seguridad (CVS) es una técnica exitosa para reducir la lesión de las vías biliares durante la colecistectomía laparoscópica (CL). Nuestro objetivo era crear un modelo de control de calidad basado en aprendizaje profundo para LC y reducir la curva de aprendizaje para los cirujanos jóvenes, lo que evaluaría automáticamente si los cirujanos son conscientes de CVS durante los procedimientos. Métodos: Recopilamos retrospectivamente 308 videos de LC de conjuntos de datos públicos (Cholec80, Endoscapes ) y el Hospital Conmemorativo Sun Yat-sen. Los fotogramas de vídeo se etiquetaron mediante clasificación binaria y métodos de optimización de funciones, como recorte de borde negro y ventanas deslizantes. Se entrenaron y evaluaron dos redes neuronales, ResNet-50 y EfficientNetV2-S, en función de las puntuaciones y la precisión de F1. Además, creamos un sistema de reconocimiento CVS en línea (LC-Smart), lo probamos utilizando 171 películas de dos hospitales y comparamos los resultados con los de dos médicos senior locales.