Intelligent evaluering og overvåking av kataraktkirurgi

Forskningsformål: intelligent identifisering og evaluering av kataraktoperasjonstrinn Forskningsmetoder: Totalt 9 elementer (som kjønn, alder, synsstyrke, etc.) ble hentet ut fra kirurgiske videoer av senile kataraktpasienter og de kliniske dataene registrert av den elektroniske journalsystem. Maskinlæringsalgoritmen 3D-CNN ble brukt for å identifisere de 11 trinnene i kataraktkirurgi og bildene (blanke bilder) uten instrumentmanipulering på øyeeplet under operasjonen. Seks viktige kataraktoperasjonstrinn ble skåret ved hjelp av dyplæringsalgoritmer (sannsynlighetsutjevningsvindu og softmax). Vi bruker presisjon, presisjon, tilbakekalling og F1-score for å evaluere modellens ytelse for å gjenkjenne kirurgiske trinn. For å evaluere påliteligheten til modellens skåring av kirurgiske trinn, brukte vi en menneske-maskin sammenligningsmetode for å beregne samsvaret (kappaverdi) mellom maskin- og ekspertskåre.