Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Similars in SciELO
Share
Cirugía y cirujanos
On-line version ISSN 2444-054XPrint version ISSN 0009-7411
Abstract
SALAZAR-COLORES, Sebastián et al. Eliminación de los efectos de humo en cirugía laparoscópica usando redes antagónicas generativas y el principio del canal oscuro. Cir. cir. [online]. 2022, vol.90, n.1, pp.74-83. Epub Feb 14, 2022. ISSN 2444-054X. https://doi.org/10.24875/ciru.20000951.
Antecedentes:
Durante la cirugía laparoscópica, la calidad de la imagen puede verse gravemente degradada por el humo quirúrgico causado por el uso de herramientas de disección de tejidos que reducen la visibilidad de los órganos y tejidos.
Objetivo:
Mejorar la visibilidad en cirugía laparoscópica mediante la combinación de técnicas de procesamiento de imágenes basadas en técnicas clásicas e inteligencia artificial.
Método:
Desarrollo de un enfoque híbrido para la eliminación de los efectos del humo quirúrgico, basado en la combinación del método del principio del canal oscuro (DCP, dark channel prior) y una arquitectura de red neuronal píxel a píxel conocida como red antagónica generativa (GAN, generative adversial network).
Resultados:
Los resultados experimentales han demostrado que el método propuesto logra un mejor rendimiento que los resultados individuales de DCP y GAN en cuanto a calidad de la restauración, obteniendo (según las métricas de la proporción máxima de señal a ruido [PSNR, Peak Signal-to-Noise Ratio] y el índice de similitud estructural [SSIM, Structural Similarity Index]) mejores resultados que otros métodos relacionados.
Conclusiones:
El enfoque propuesto disminuye los riesgos y el tiempo de la cirugía laparoscópica, ya que una vez que la red está correctamente entrenada, el sistema puede mejorar la visibilidad en tiempo real.
Keywords : Laparoscopia; Mejoramiento de imágenes; Eliminación de humo; Procesamiento de imágenes; Red antagónica generative.