手術室1

[50] ニューラルネットを用いた手術器械の使用状況の把握方法の検討

田淵 陽介¹, 光家 努¹, 中川 隆文² (1.香川大学医学部附属病院 臨床工学部, 2.徳島文理大学保健福祉学部臨床工学科)

【目的】
手術器械セットの構成内容は，医療従事者の経験によって決められているため，種類や本数が過多傾向にある．セット内の手術器材の多くは未使用でも繰り返し洗浄や滅菌作業がおこなわれる．そのため器材に繰り返し負荷がかかり故障の原因となる．そのため手術器械セットの構成内容の見直しが必要である．構成内容の見直しのためには，まず手術器械の使用と未使用（以下，使用有無）の登録調査が必要である．当院では看護師が手入力により使用有無の登録をおこなっている．当院で登録作業の調査を約２ヶ月間おこなった結果，約20％で未使用器械の登録があった．しかし，器械出し業務は交代でおこなう場合がある．また器械出し業務者でない者が使用有無の登録をおこなう場合があった．そのため未使用の器械が洩れなく登録されているか不明であった．今回，畳み込みニューラルネットワーク（CNN）により未使用の器械の種類を把握する方法を検討したので報告する．
【方法】
動画に映る鉗子をCNNで物体認識し使用した器材をカウントする．CNNとしてオープンソースYOLOを用いて物体検知をおこなった．また動画のフレーム画像に映っている鉗子の種類を判別する．次にフレーム画像に映る鉗子の動きを追跡し複数のフレームに渡って鉗子の種類を推定する．学習に必要なアノテーションは学習済のオープンソースプログラムでバウンディングボックスを抽出し，クラス名は後で付け替える方法でおこなった．
【結果】
動画のフレーム画像内の物体検知では鉗子の開閉や重なりなどの映り方により確度が低くなった．そのため数秒の間のフレーム内での出現率で種類を判断した．一方で物体追跡では視野域への出入りを個別に検知することで種類を判別した．いずれの方法も同じ種類の鉗子は区別できないが，情報量が多い物体追跡の方が有用であると考える．