MACHINE LEARNING E CHIRURGIA
Implementazione Algoritmo di Machine Learning per l'addestramento chirurgico per Pro Lab Advanced Lap trainer Intech Simulation
Innovative Training Technologies SRL
La Innovative Training Technologies SRL (Intech) è un’azienda giovane ma all’avanguardia per quanto riguarda lo sviluppo intelligenza artificiale e machine learning per innalzare il livello della formazione per i medici 4.0.
Una delle aziende top-five nell’ E-health come da articolo di Repubblica Link.
Operante con enti sanitari e sempre attenta allo sviluppo di nuove tecnologie volte a rendere la formazione innovativa e improntata a BigData Analysis.
lA RICHIESTA DELL'AZIENDA
Machine Learning per l'addestramento del chirurgo
La richiesta della Innovative Training Technologies SRL (Intech) è stata una sfida. Cioè, sviluppare un prototipo di algoritmo di Machine Learning che potesse rilevare l’errore e segnalarlo al chirurgo oltre che a memorizzarlo su una piattaforma Cloud, nel fare un esercizio di addestramento eseguito dal chirurgo stesso.
L’algoritmo prototipale si sarebbe dovuto interfacciato con due telecamere ad alta definizione, all’interno del box di addestramento ed avrebbe dovuto applicare in tempo reale la rilevazione (attraverso l’algoritmo sviluppato) ai due video mostrando l’eventuale errore e il tempo impiegato a terminare l’esercizio.
SOLUZIONE SU MISURA
LA REALIZZAZIONE DELL'ALGORITMO E LA SCELTA DELL'HARDWARE
La Cfadvanced (Gestiscifacile) ha affrontato la richiesta seguendo due aspetti il primo la scelta di un hardware abbastanza potente da gestire sia il flusso dati delle due telecamere sia l’applicazione dell’algoritmo sviluppato in tempo reale ai due flussi video.
La scelta è ricaduta su due hardware:
- Coral Board della Google
- Jetson Nano della NVidia
avendo scelto i due hardware su cui testare il nostro algoritmo siamo passati all’altro aspetto cioè lo sviluppo dell’algoritmo prototoipale di rilevamento.
La scelta è ricaduta sull’utilizzo di Python come linguaggio e abbiamo proceduto.
L’lagoritmo ha richiesto anche un’analisi di come, dato l’esercio, riuscire a rilevare l’errore avendo solo i due flussi delle telecamere. Cosa molto facile per un umano ma alquanto complessa nel caso di un sistema informatico che avrebbe dovuto ricreare il ragionamento messo in atto dal tutor che avrebbe dovuto valutare l’esrcizio del chirurgo.
Attraverso dei riferimenti e l’identificazione delle parti dell’esercizio (attrezzi del chirurgo, tag di addestramento ecc..) siamo riusciti a fornire un algoritmo che identificasse l’attrezzatura e le posizioni dei tags e poi definisse confrontando frame per frame i due flussi video.
