Year: 2025
Type: dissertation
Abstract: A cirurgia desempenha um papel central na manutenção da saúde dos pacientes.Segmentação automática dos procedimentos cirúrgicos a partir de gravações de vídeo é particularmente útil para comparação objetiva de técnicas e formação de cirurgiões.Enquanto tarefa, requer ferramentas capazes de compreender padrões visuais, por exemplo através da segmentação e medição de fases cirúgicas.Modelos de redes neuronais, baseados em convoluções espaciais e temporais, são avaliados para o procedimento de sacrocolpopexia laparoscópica, de forma investigar duas hipóteses principais: a relevância de valores de posição absoluta de imagens num vídeo, enquanto modalidade de dados; e se enquadrar o problema de segmentação cirúrgica como um de aprendizagem por várias classes por imagem, pode melhorar a qualidade da classificação.A influência do contexto temporal na classificação puramente espacial também é explorada.Para este fim, foi implementado de raiz um programa modular para treino, validação e teste de modelos.Os resultados mostram que os valores de posição absoluta têm um efeito positivo no desempenho, aumentando a exatidão de 74% para 77%, e são simples de incorporar em tarefas fora de tempo real.A aprendizagem de várias classes por imagem alarga o conjunto de previsões possíveis, preservando o desempenho do modelo, o que sugere uma melhor aprendizagem.Reformular este método como um problema multi-tarefa, com duas previsões para dois grupos de classes diferentes, reduz a flexibilidade preditiva, e resulta em exatidões de 80% no caso espacial e 83% no caso temporal.O ajuste empírico do modelo temporal eleva ainda mais a exatidão, para 87%.No entanto, isto não se traduz em melhorias consistentes nos mapas de segmentação dos vídeos, quando as classes são reagrupadas em fases cirúrgicas.Na prática, a simples aplicação de um filtro de moda às previsões do modelo espacial, não sendo uma solução ideal, produz uma exatidão de segmentação de 88%.Assim, é necessária investigação adicional em modelação temporal para desenvolver ferramentas com um padrão suficientemente elevado para implementação em contextos médicos reais.
Author: Diogo Dória Príncipe Botelho Cerveira
Language: English
Subfield: Surgery
Field: Medicine
Domain: Health Sciences
Open Access status: green
Funder: KU Leuven
OpenAlex ID: W7111487135