深層学習に基づく腹腔鏡胆小胞切除における手術中の解剖学的指標の効率的なセグメンテーション

科学分野:

• 医療用イメージング
• 人工知能
• 手術 ナビゲーション

背景:

• 胆汁管の損傷の危険性があります 胆汁管の損傷の危険性があります
• 手術中の主観的な視覚検査は,外科医の疲労と経験レベルのために信頼できないことがあります.
• 解剖前の段階での 解剖学的地標を特定することは 挑戦的で 進行的な探査が必要です

研究 の 目的:

• 腹腔鏡による胆管切除のためのリアルタイムの内科ナビゲーションシステムを開発する.
• 動的に識別し アノテートする 重要な解剖学的なランドマーク 胆囊 カロット三角 胆管
• 外科医の圧力を減らし 解剖学的地標の認識の精度を向上させるため

主な方法:

• 新しくセマンティックなセグメンテーションニューラルネットワーク (チャネル・アテンション・ピラミッド・シーン・パーシング・プラス・ネットワーク - CPPN) を提案した.
• 特徴の抽出のために異なるスケールと不平等な重量を持つプーリング層を使用しました.
• 特徴のキャプチャと文脈情報を強化するために空間チャネル注意モジュールを組み込みました.

主要な成果:

• CPPNモデルは,他のセグメンテーションネットワークを上回る0.855 (±0.03) の平均交差点 (IoU) を達成した.
• 胆管では0.881 (±0.01),カロット三角形では0.769 (±0.03),一般的な胆管では0.813 (±0.02) のIOUスコアで最適な性能を達成しました.
• 腹腔鏡による小腸切除の132本のビデオから1425フレームを用いて検証し,10倍のクロス検証を行った.

結論:

• 提案されたインテリジェントセグメンテーションアルゴリズムは,重要な解剖学的ランドマークを特定する上で優れたパフォーマンスを示しています.
• リアルタイムの手術の 可能性を示し カロト三角の解剖を助長する
• 胆管の損傷を軽減し,腹腔鏡検査の際の視覚検査を改善する可能性があります.