LC-YOLOmatch: un nuevo enfoque de segmentación basado en YOLO para la colecistectomía laparoscópica

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Tecnología Quirúrgica

Sus antecedentes:

• La cirugía laparoscópica, en particular la colecistectomía, es común pero propensa a complicaciones iatrogénicas debido a errores de reconocimiento anatómico del cirujano.
• La inteligencia artificial (IA) ofrece un potencial significativo para mejorar la precisión y la seguridad en estos procedimientos.

Objetivo del estudio:

• Desarrollar un método de reconocimiento asistido por IA para cirugía laparoscópica para reducir los errores anatómicos.
• Mejorar el rendimiento en tiempo real y la precisión de los modelos de IA en el análisis de imágenes quirúrgicas.
• Abordar el desafío de los datos etiquetados limitados en el desarrollo de IA médica.

Principales métodos:

• Se adaptó un modelo YOLOv11n ligero, incorporando un módulo DWR para la extracción eficiente de características multiescala y BiFPN para una fusión de características mejorada.
• Se desarrolló un marco de aprendizaje semisupervisado, LC-YOLOmatch, para utilizar eficazmente los escasos datos médicos etiquetados.
• El modelo se evaluó en el conjunto de datos Cholec80.

Principales resultados:

• El método propuesto logró un 70% de mAP50 y un 40,8% de mAP50-95 en el conjunto de datos Cholec80, estableciendo un nuevo punto de referencia técnico.
• El modelo de IA demostró un rendimiento mejorado en tiempo real y capacidades mejoradas de fusión de características multiescala.
• El enfoque semisupervisado redujo la dependencia de extensas anotaciones manuales.

Conclusiones:

• El método asistido por IA muestra un gran potencial para mejorar la seguridad y reducir las complicaciones en las cirugías laparoscópicas.
• Esta tecnología puede mejorar significativamente la asistencia quirúrgica y avanzar hacia procedimientos quirúrgicos automatizados.
• El marco desarrollado aborda eficazmente los problemas de escasez de datos en la IA médica, allanando el camino para aplicaciones más amplias.