Робот научился накладывать хирургические швы без помощи человека
Как вам идея обучать хирургов искусству наложения швов по видеороликам из YouTube?
Большинству людей, конечно, не очень. А вот группе ученых из университета Беркли, Intel и Google Brain такой подход очень даже понравился. Взяв за основу датасет, составленный из видеозаписей различных операций, разработчики обучили алгоритм Motion2Vec самостоятельно орудовать хирургической иглой и нитью.
В качестве основы для обучения были взяты видеоматериалы, фиксирующие работу восьми хирургов. В выбранных фрагментах врачи управляли медицинскими хирургическими роботами "Da Vinci". "Da Vinci" — прославленный манипулятор, позволяющий выполнять сложнейшие операции: это один из первых автоматизированных медицинских аппаратов, который, тем не менее, находится на полном ручном управлении. Ключевая идея разработки, связанной с Motion2Vec, заключается в полной автоматизации "Da Vinci". Если алгоритм сможет научиться самостоятельно выполнять базовые хирургические операции, ему можно будет доверить работу с манипулятором.
Для достижения этой цели ученые обучали Motion2Vec на различных видеоданных. Главная сложность задачи состояла в том, что, изучая данные, алгоритм с трудом мог отобрать из множества различных хирургических техник ключевые методы работы. Чтобы решить эту проблему, разработчики использовали частично-размеченный датасет. Анализ ограниченного количества данных позволил модели быстро выучить ключевые движения, необходимые для эффективного наложения швов.
Как отмечает руководитель группы исследователей университета Беркли доктор Аджай Танвани, такой подход позволил ученым создать рабочую экспериментальную модель, которую можно было опробовать на практике.
"Мы объединили большое количество размеченных данных в единую структуру. Это позволило добиться видимого результата без ущерба производительности", — говорит доктор Танвани.
В результате эксперимента на кусках материи, призванного имитировать наложение хирургических швов, Motion2Vec продемонстрировал впечатляющие результаты: система воспроизвела движения хирургов с точностью до 85,5%.
Опережая опасения аудитории, доктор Танвани поясняет: полученные результаты вовсе не означают, что уже завтра удалять вам аппендицит будут не обычные врачи, а роботы. Прежде чем система выйдет в массовое использование, ей предстоит серьезная обкатка. Например, исследователи намерены тренировать Motion2Vec работать с различными текстурами и правильно реагировать на непредвиденные ситуации, такие, как внезапное кровотечение.
Кроме того, ключевая идея разработчиков заключается в том, чтобы создать эффективного хирурга-ассистента, а не лишить врачей их работы.
"В сложных случаях робот-хирург по-прежнему остается под полным контролем хирурга-специалиста. Мы лишь хотим предложить врачам систему, которая сможет взять на себя рутинные задачи, разгрузив медиков и позволив им сконцентрироваться на действительно важных элементах их работы", — поясняет доктор Танвани.
Источник: https://thenextweb.com/neural/2020/06/23/how-an-ai-learned-to-stitch-up-patients-by-studying-surgical-videos/
Большинству людей, конечно, не очень. А вот группе ученых из университета Беркли, Intel и Google Brain такой подход очень даже понравился. Взяв за основу датасет, составленный из видеозаписей различных операций, разработчики обучили алгоритм Motion2Vec самостоятельно орудовать хирургической иглой и нитью.
В качестве основы для обучения были взяты видеоматериалы, фиксирующие работу восьми хирургов. В выбранных фрагментах врачи управляли медицинскими хирургическими роботами "Da Vinci". "Da Vinci" — прославленный манипулятор, позволяющий выполнять сложнейшие операции: это один из первых автоматизированных медицинских аппаратов, который, тем не менее, находится на полном ручном управлении. Ключевая идея разработки, связанной с Motion2Vec, заключается в полной автоматизации "Da Vinci". Если алгоритм сможет научиться самостоятельно выполнять базовые хирургические операции, ему можно будет доверить работу с манипулятором.
Для достижения этой цели ученые обучали Motion2Vec на различных видеоданных. Главная сложность задачи состояла в том, что, изучая данные, алгоритм с трудом мог отобрать из множества различных хирургических техник ключевые методы работы. Чтобы решить эту проблему, разработчики использовали частично-размеченный датасет. Анализ ограниченного количества данных позволил модели быстро выучить ключевые движения, необходимые для эффективного наложения швов.
Как отмечает руководитель группы исследователей университета Беркли доктор Аджай Танвани, такой подход позволил ученым создать рабочую экспериментальную модель, которую можно было опробовать на практике.
"Мы объединили большое количество размеченных данных в единую структуру. Это позволило добиться видимого результата без ущерба производительности", — говорит доктор Танвани.
В результате эксперимента на кусках материи, призванного имитировать наложение хирургических швов, Motion2Vec продемонстрировал впечатляющие результаты: система воспроизвела движения хирургов с точностью до 85,5%.
Опережая опасения аудитории, доктор Танвани поясняет: полученные результаты вовсе не означают, что уже завтра удалять вам аппендицит будут не обычные врачи, а роботы. Прежде чем система выйдет в массовое использование, ей предстоит серьезная обкатка. Например, исследователи намерены тренировать Motion2Vec работать с различными текстурами и правильно реагировать на непредвиденные ситуации, такие, как внезапное кровотечение.
Кроме того, ключевая идея разработчиков заключается в том, чтобы создать эффективного хирурга-ассистента, а не лишить врачей их работы.
"В сложных случаях робот-хирург по-прежнему остается под полным контролем хирурга-специалиста. Мы лишь хотим предложить врачам систему, которая сможет взять на себя рутинные задачи, разгрузив медиков и позволив им сконцентрироваться на действительно важных элементах их работы", — поясняет доктор Танвани.
Источник: https://thenextweb.com/neural/2020/06/23/how-an-ai-learned-to-stitch-up-patients-by-studying-surgical-videos/
Задать вопрос
Заполните форму, и наши эксперты ответят вам