Voir
❯
Image
❯Un robot autonome améliore la précision chirurgicale grâce à l'IA
Divertissement et médias - Balisage des métadonnées
Classification des déchets solides basée sur l'IA
Éducation - Générateurs de contenu automatisés
Diagnostic des cultures et recommandations de produits via l'IA
Vision par ordinateur - Segmentation d'images
Modèle de prévision et d'impact des catastrophes et des urgences
Grand public
Soins de santé - Améliorer le travail d'enquête
Prédiction de la tuberculose multirésistante à partir d'images pulmonaires CT basées sur des techniques d'apprentissage en profondeur
Grand public
Éducation - Contenu d'apprentissage intelligent
Un robot autonome améliore la précision chirurgicale grâce à l'IA
Modèle de prévision et d'impact des catastrophes et des urgences
Grandes entreprises
Comptabilité et finance - Automatisez la gestion des factures et des dépenses
Un robot autonome améliore la précision chirurgicale grâce à l'IA
Pour:
Hôpitaux utilisant la chirurgie robotique autonome via le système STARObjectif:
Améliorer l'efficacité des opérationsProblème adressé
Effectuer des opérations laparoscopiques sans l'aide de la main d'un chirurgien. L'anastomose - qui consiste à connecter deux structures tubulaires telles que des vaisseaux sanguins ou des intestins - est souvent réalisée par laparoscopie et est l'une des tâches les plus complexes et délicates en chirurgie à automatiser : la reconnexion des deux extrémités d'un intestin. Bien qu'elle soit peu invasive, la chirurgie peut entraîner de graves complications pour le patient en cas de fuite due à une suture défectueuse. Parce que le patient respire, les deux extrémités de l'intestin ont tendance à bouger. Lorsque ce mouvement est supérieur à 3 mm et que le robot autonome ne peut pas ajuster le plan de suture, des fuites et des sutures imparfaites peuvent se produire.
Description
Les chercheurs ont développé l'apprentissage automatique, la vision par ordinateur et des techniques de contrôle avancées pour suivre le mouvement des tissus cibles en réponse à la respiration du patient, détecter les déformations des tissus entre les différentes étapes de suture et faire fonctionner le robot sous des contraintes de mouvement. Ils ont formé des CNN à l'aide de 9 294 exemples de profils de mouvement issus de procédures d'anastomose, pour apprendre le mouvement des tissus en fonction des schémas respiratoires et d'autres mouvements des tissus pendant la chirurgie.
Voir -Vidéo en direct
Voir - Image
IA: Percevoir
Vision par ordinateur
Apprentissage en profondeur
IA: Comprendre
Automatiser - Automatiser le processus
Automatiser - Robotique
IA: Agir