明確な位置関係モデリングによる腹腔鏡胆管切除における外科的なオブジェクト検出の強化
Yinan Xu1, Yutong Ban2, Yue Zhao1
1Department of General, Visceral and Cancer Surgery, University Hospital of Cologne, Cologne, Germany.
Computational and structural biotechnology journal
|August 22, 2025
まとめ
新しい関係性に基づく人工知能 (AI) モデルは,腹腔鏡胆小胞外術 (LC) 画像における外科的なオブジェクト検出を強化します. このAIモデルは 手術中に重要な解剖学的構造を 特定する精度を大幅に改善します
科学分野:
- 医療用イメージング
- 人工知能
- 手術 技術
背景:
- ラパロスコーピカル・コレシステクトミー (LC) は一般的な複雑な手術である.
- 人工知能 (AI) の統合は,LCの際に解剖学的構造の検出に役立ちます.
- AIの信頼性を確保するには 精度,強度,有効性が必要です
研究 の 目的:
- LC画像における外科用オブジェクト検出の強化のための関係ベースのモデルを提案する.
- 位置関係エンコーダーと漸進的注意力メカニズムを使用してオブジェクト関係を分析する.
- 広く使用されている2つのLCデータセットでモデルのパフォーマンスを検証します.
主な方法:
- 位置関係エンコーダーと洗練された漸進的注意力メカニズムを組み込んだ関係ベースのモデルが開発されました.
- このモデルは2つの標準的なLCデータセット (Endoscapesとm2cai16-tool-locations) で公式プロトコルを使用して評価されました.
- マクロスコピック相関 (MC) の結果は,データセット間の位置関係強さの違いを分析した.
主要な成果:
- 提案されたモデルは,両方のデータセットの精度と有効性の有意な改善を示した.
- Endoscapesのデータセットの平均精度 (AP) を33.95%上回った.
- Cystic Plate (90.32%) と HC トライアングル (92.46%),およびm2cai16-tool-locationsデータセットで最大17.97%のmAP改善を達成しました.
- 余剰ボディを90%以上削減した.
結論:
- リレーションシップベースのAIモデルは, ラパロスコーピカル・コレシステクトミーにおける外科的なオブジェクト検出を正確かつ効果的に強化します.
- 位置関係分析は 重要な外科的なオブジェクトの検出を改善する鍵です.
- このモデルは,外科的支援におけるより広範な臨床応用に希望を示しています.
