Evaluación automática de la vista crítica de seguridad utilizando deep learning en la base de datos Cholec80-CVS
La colecistectomía laparoscópica es un procedimiento quirúrgico mínimamente invasivo utilizado para la extirpación de la vesícula biliar que puede provocar lesiones en el conducto biliar. Para prevenir estas lesiones, Strasberg y sus colegas propusieron el método Critical View of Safety para identif...
- Autores:
-
Mugnier Zuluaga, Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/68213
- Acceso en línea:
- http://hdl.handle.net/1992/68213
- Palabra clave:
- Deep learning
Colecistectomía laparoscópica
Machine learning
Inteligencia artificial
Computer vision
Vision transformer
Ingeniería
- Rights
- openAccess
- License
- Atribución 4.0 Internacional
| Summary: | La colecistectomía laparoscópica es un procedimiento quirúrgico mínimamente invasivo utilizado para la extirpación de la vesícula biliar que puede provocar lesiones en el conducto biliar. Para prevenir estas lesiones, Strasberg y sus colegas propusieron el método Critical View of Safety para identificar el conducto cístico y la arteria durante estos procedimientos. En este trabajo entrenamos modelos de aprendizaje profundo con el primer conjunto de datos de código abierto de vídeos de colistectomía laparoscópica que contienen anotaciones de los criterios de Strasberg, llamado Cholec80-CVS. Este estudio representa el primer intento de investigar el desempeño de los modelos de aprendizaje profundo para ayudar a identificar la vista crítica de seguridad durante los procedimientos de colecistectomía laparoscópica utilizando el conjunto de datos Cholec80-CVS, y proporciona información sobre las limitaciones y los enfoques potenciales para futuras investigaciones en esta área |
|---|