[20 de junio] El 26.º Futuro de la Cirugía: Evaluación de úlceras cutáneas mediante IA: Un primer paso hacia la evaluación de heridas en tiempo real.
Traducido por IAAcerca de esta sesión
Viernes, 20 de junio de 2025, de 18:00 a 20:00
discurso de apertura
"Reconstrucción mínimamente invasiva de úlceras resistentes al tratamiento mediante colgajo perforante capilar"
Isao Mitsushima, Profesor Emérito, Universidad de Tokio
Conferencia invitada
"Evaluación de úlceras cutáneas basada en IA: un primer paso hacia la evaluación de heridas en tiempo real"
Kazufumi Tate, Profesor Asociado, Departamento de Cirugía Plástica, Facultad de Medicina, Universidad Médica y Farmacéutica de Tohoku
Tradicionalmente, la evaluación de las úlceras cutáneas se ha basado en la inspección visual por parte de los médicos, pero este enfoque es subjetivo y carece de reproducibilidad. Por ello, estamos intentando un análisis de imágenes de úlceras basado en IA. Utilizando nuestro propio software, anotamos las imágenes de úlceras en seis clases y realizamos una segmentación semántica. Si bien el reconocimiento automático de úlceras fue bueno, la precisión fue baja para las clases con color ambiguo. Para compensar esto, implementamos un mecanismo de anotación suplementario utilizando valores RGB y una fórmula de clasificación lineal, y actualmente lo estamos utilizando junto con el juicio de la IA para mejorar la precisión. En el futuro, nuestro objetivo es desarrollar una cámara con IA que pueda evaluar las úlceras en tiempo real y realizar un seguimiento de los cambios a lo largo del tiempo.
20 de junio, viernes, 18:00-20:00 (JST)
Fundamental
Colgajo perforante capilar para úlceras refractarias
- Un enfoque mínimamente invasivo para la reconstrucción de heridas complejas -
Dr. Isao Koshima
Profesor Emérito de la Universidad de Tokio
Conferencia invitada
Uso de la IA para evaluar las úlceras cutáneas:
Un paso hacia la evaluación de heridas en tiempo real
Dr. Kazufumi Tachi
Profesor asociado, División de Plásticos y
Cirugía reconstructiva,
Universidad Médica y Farmacéutica de Tohoku
Tradicionalmente, las úlceras cutáneas se han evaluado visualmente por médicos, pero este enfoque es subjetivo y carece de reproducibilidad. Para abordar este problema, hemos desarrollado un sistema de IA para la evaluación automática de úlceras mediante análisis de imágenes. Anotamos imágenes de úlceras en seis clases utilizando un software personalizado y entrenamos modelos de aprendizaje profundo para la segmentación semántica. Si bien los modelos tuvieron un buen rendimiento en general, la precisión disminuyó en las clases con características de color ambiguas. Para complementar esto, implementamos un sistema de anotación secundario basado en valores RGB y fórmulas de clasificación lineal. Nuestro modelo actual combina evaluaciones basadas en IA y en reglas para mejorar la precisión. En última instancia, nuestro objetivo es desarrollar un sistema de cámara de IA en tiempo real que pueda evaluar y monitorizar la progresión de las úlceras a lo largo del tiempo.
|
tratamiento de úlceras cutáneas
diagnóstico por IA
Evaluación en tiempo real
Medicina predictiva
Dispositivo de anastomosis vascular de alta velocidad asistido por presión negativa
Tratamiento de úlceras cutáneas
Diagnóstico por IA
Evaluación en tiempo real
Medicina predictiva
Dispositivo de anastomosis asistida por presión negativa
|
Programa
Koshima Isao
The Next Generation of Super Microsurgery International Forum, The Next-Generation of Super Mirosurgery International Forum
The University of Tokyo,
Tachi Kazufumi
Tohoku Medical and Pharmaceutical University,
Tradicionalmente, la evaluación de las úlceras cutáneas se ha basado en la inspección visual por parte de los médicos, pero este enfoque es subjetivo y carece de reproducibilidad. Por ello, estamos intentando un análisis de imágenes de úlceras basado en IA. Utilizando nuestro propio software, anotamos las imágenes de úlceras en seis clases y realizamos una segmentación semántica. Si bien el reconocimiento automático de úlceras fue bueno, la precisión fue baja para las clases con color ambiguo. Para compensar esto, implementamos un mecanismo de anotación suplementario utilizando valores RGB y una fórmula de clasificación lineal, y actualmente lo estamos utilizando junto con el juicio de la IA para mejorar la precisión. En el futuro, nuestro objetivo es desarrollar una cámara con IA que pueda evaluar las úlceras en tiempo real y realizar un seguimiento de los cambios a lo largo del tiempo.
Tradicionalmente, las úlceras cutáneas se han evaluado visualmente por médicos, pero este enfoque es subjetivo y carece de reproducibilidad. Para abordar este problema, hemos desarrollado un sistema de IA para la evaluación automática de úlceras mediante análisis de imágenes. Anotamos imágenes de úlceras en seis clases utilizando un software personalizado y entrenamos modelos de aprendizaje profundo para la segmentación semántica. Si bien los modelos tuvieron un buen rendimiento en general, la precisión disminuyó en las clases con características de color ambiguas. Para complementar esto, implementamos un sistema de anotación secundario basado en valores RGB y fórmulas de clasificación lineal. Nuestro modelo actual combina evaluaciones basadas en IA y en reglas para mejorar la precisión. En última instancia, nuestro objetivo es desarrollar un sistema de cámara de IA en tiempo real que pueda evaluar y monitorizar la progresión de las úlceras a lo largo del tiempo.