University of Twente Student Theses

Login

Kunstmatige intelligentie bij het lokaliseren van de driehoek van Calot tijdens een cholecystectomie

Jong, J.I. de and Nijland, D.M. and Westra, I. and Zwetsloot, L. (2018) Kunstmatige intelligentie bij het lokaliseren van de driehoek van Calot tijdens een cholecystectomie.

[img] PDF
3MB
Abstract:INLEIDING: Een mogelijke waardevolle medische toepassing van Kunstmatige intelligentie (KI) is structuurherkenning tijdens operaties [1]. Een cholecystectomie is een dergelijke operatie waarbij structuurherkenning van groot belang is. Tijdens een cholecystectomie moet, voorafgaand aan het verwijderen van de galblaas, de driehoek van Calot gelokaliseerd worden [2]. Aangezien de driehoek van Calot lastig te onderscheiden is van omliggend weefsel, is dit een proces wat veel tijd kost en niet altijd succesvol is [3][4]. In dit onderzoek wordt onderzocht op welke manier KI chirurgen kan ondersteunen bij het veiliger en efficiënter herkennen van de driehoek van Calot tijdens een cholecystectomie en wat de visie van chirurgen op KI is. Er wordt een experiment opgesteld waarbij de herkenning snelheid van personen en een computernetwerk vastgesteld worden. Verwacht wordt dat de computer sneller is dan personen, omdat computers sneller zijn in het verwerken van data [5]. De verwachting van de toekomstvisie van chirurgen betreft KI, is dat de meningen uiteenlopend zullen zijn. Vooral wordt verwacht dat er sceptisch zal worden gereageerd door de medisch specialisten. METHODE: Na trainen met artificiële afbeeldingen met driehoeken, cirkels en ruis is onderzocht of het middels deep learning mogelijk is dat het netwerk deze structuren zelfstandig gaat herkennen. Hierna is de herkenning snelheid van 48 proefpersonen in de praktijk getest. Hiervoor zijn films gecreëerd waarin driehoeken en cirkels vanaf een willekeurig moment langzaam in beeld komen. Deze films zijn gebruikt om te bepalen wanneer het netwerk en de proefpersonen de vorm herkenden. Ten slotte is de vergelijking gemaakt tussen de gemiddelde snelheid van de herkenning door de proefpersonen en de snelheid van herkenning door het netwerk met behulp van een statistische analyse. Met behulp van de one-sample onafhankelijke T-toets is de nulhypothese: ‘Het getrainde netwerk herkent de vorm op hetzelfde framenummer als de proefpersonen’ getest tegen de alternatieve hypothese: ‘Het getrainde netwerk herkent de vorm op een eerder framenummer dan de proefpersonen’. Middels het afnemen van interviews met medisch specialisten is hun visie op KI en de toepassing hiervan op de OK duidelijk geworden. Door bepaalde rubrieken te maken, is er schematisch naar de interviews gekeken en zijn deze vergeleken. RESULTATEN EN CONCLUSIE: Uit het onderzoek is gebleken dat een getraind netwerk sneller is in het herkennen van driehoeken dan de gemiddelde persoon. De resultaten laten zien dat het netwerk de driehoeken herkende bij een framenummer die gemiddeld 26 lager was dan die van de proefpersonen. Uit de statische analyse blijkt dat de p-waarde gelijk is aan 0,000 en de nulhypothese dus verworpen mag worden. Dit onderzoek is dus de eerste stap richting het gebruik van KI voor het veiliger en efficiënter herkennen van de driehoek van Calot tijdens een cholecystectomie. Daarnaast bleek naar verwachting dat de meningen van de chirurgen over KI verdeeld waren. Wel waren de chirurgen minder sceptisch dan verwacht. Bovendien is uit de interviews gebleken dat chirurgen KI in de komende tien jaar over het algemeen alleen nog als hulpmiddel zien. Op de vraag of KI uiteindelijk meer gaat zijn dan een hulpmiddel, waren de antwoorden uiteenlopend.
Item Type:Essay (Bachelor)
Faculty:TNW: Science and Technology
Subject:44 medicine
Programme:Technical Medicine BSc (50033)
Link to this item:http://purl.utwente.nl/essays/75143
Export this item as:BibTeX
EndNote
HTML Citation
Reference Manager

 

Repository Staff Only: item control page