Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới. Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận. Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.
EndoControlMag: Hệ thống phóng đại chuyển động mạch máu nội soi mạnh mẽ với chức năng thiết lập lại tham chiếu định kỳ và kiểm soát mặt nạ kép nhận biết mô phân cấp
Created by
Haebom
Tác giả
An Vương, Rulin Chu, Mengya Xu, Yiru Ye, Longfei Gou, Yiting Chang, Hao Chen, Chwee Ming Lim, Jiankun Wang, Hongliang Ren
Phác thảo
EndoControlMag là một khung công tác dựa trên Lagrange không cần đào tạo để trực quan hóa chuyển động mạch máu tinh tế trong phẫu thuật nội soi. Hệ thống sử dụng kỹ thuật tham chiếu lại định kỳ (PRR) và khung công tác tăng cường nhận biết mô phân cấp (HTM) để tránh tích tụ lỗi trong môi trường phẫu thuật phức tạp và năng động. HTM theo dõi tâm mạch máu bằng mô hình theo dõi thị giác được đào tạo trước và điều chỉnh hiệu ứng tăng cường của các mô xung quanh bằng hai chiến lược làm mềm thích ứng: dựa trên chuyển động và dựa trên khoảng cách. Kết quả thử nghiệm sử dụng bộ dữ liệu EndoVMM24 cho thấy EndoControlMag vượt trội hơn các phương pháp hiện có về độ chính xác và chất lượng hình ảnh, đồng thời hoạt động mạnh mẽ trong nhiều điều kiện phẫu thuật khó khăn. Mã, bộ dữ liệu và kết quả video có thể được tìm thấy tại https://szupc.github.io/EndoControlMag/ .
Góp phần cải thiện độ chính xác của phẫu thuật và khả năng ra quyết định bằng cách cho phép hình dung chính xác và ổn định các chuyển động mạch máu nhỏ trong quá trình phẫu thuật nội soi.
◦
Cung cấp một khuôn khổ hiệu quả mà không cần đào tạo.
◦
Thể hiện hiệu suất mạnh mẽ trong nhiều môi trường phẫu thuật khác nhau (tắc nghẽn, can thiệp dụng cụ, thay đổi trường nhìn, biến dạng mạch máu, v.v.).
◦
Hỗ trợ các nghiên cứu tiếp theo của các nhà nghiên cứu khác thông qua mã mở, tập dữ liệu và kết quả.
•
Limitations:
◦
Phụ thuộc vào tập dữ liệu EndoVMM24. Cần xác minh hiệu suất tổng quát hóa trên nhiều tập dữ liệu khác nhau.
◦
Cần phải xác nhận thêm về độ ổn định và độ tin cậy lâu dài trong môi trường phẫu thuật thực tế.
◦
Cần nghiên cứu thêm để xác định các thông số tối ưu cho các chiến lược làm mềm dựa trên bài tập và khoảng cách.
