Seguimiento de gasas quirúrgicas en imágenes de laparoscopia empleando redes neuronales convolucionales

Abstract

El objetivo del presente proyecto es el de realizar un sistema de procesamiento de imágenes basado en técnicas de inteligencia artificial para la detección y seguimiento automático de gasas en operaciones de cirugía laparoscópica con objeto de evitar la retención involuntaria de estas en el interior del paciente. Este tipo de error médico, aunque es poco frecuente, puede tener consecuencias muy graves para la salud del paciente pudiendo causar incluso la muerte. En el algoritmo de detección y seguimiento de gasas desarrollado en este TFG se ha intentado buscar un equilibrio entre precisión, sensibilidad y tiempo de procesamiento por lo que se han realizado distintas pruebas empleando tres tipos de redes convolucionales (AlexNet, ResNet y GoogLeNet) analizando las prestaciones de cada una de ellas. Finalmente se ha logrado un algoritmo de detección de gasas con precisión y sensibilidad entorno al 99% y capaz de procesar 3 imágenes por segundo

The aim of this present project is to perform a system of the image processing based on techniques of artificial intelligence for the detection and automatic monitoring of the gauzes in the operation of laparoscopic surgery with the aim to prevent the involuntary retention of gauzes in the inner body of the patient. Although this type of medical error is a rare event, it could have serious consequences in the patient’s health ending even in death. The algorithm based on the detection and tracking of the gauzes created in this Final Project has pretended to find a balance between precision, sensibility, and time of processing. So different tests have been carried out using three types of convolutional networks (AlexNet, ResNet y GoogLeNet) with a view to analyse its benefits and to develop the algorithm of detection and monitoring of gauzes. Finally, a gauze detection algorithm has been achieved with precision and sensitivity around 99% and it is capable of processing 3 images per second.