ディープラーニングを用いたトランススフェノイド外科手術におけるリアルタイムの手術内深度推定:可行性研究
Olivier Zanier1, Aron Alakmeh2, Raffaele Da Mutten3
1Machine Intelligence in Clinical Neuroscience & Microsurgical Neuroanatomy (MICN) Laboratory, Department of Neurosurgery, Clinical Neuroscience Center, University Hospital Zurich, University of Zurich, Zurich, Switzerland; Department of Oncology, University of Oxford, Oxford OX3 7DQ, United Kingdom.
まとめ
DINOv2のようなディープラーニングモデルは,内視神経外科ビデオの深さを推定することができ,外科医の指向を潜在的に改善します. この人工知能のアプリケーションは,特別な設備を必要とせずに外科フィールドを視覚化するのに役立ちます.
科学分野:
- 神経外科は神経外科です.
- メディカルイマージング (医学イメージング)
- 人工知能 (AI) とは,人工知能 (AI) のことです.
背景:
- エンドスコピック・エンドナザル・およびトランスクラニアル・アプローチは,下垂体腺腫のような腫瘍を切除するために神経外科において不可欠である.
- 標準的な内視鏡ビデオは2Dで,深さの知覚と手術中の指向を制限します.
研究 の 目的:
- 2D内視鏡外科ビデオから3Dの深度情報を生成するために,ディープラーニングモデルDINOv2の使用を調査する.
- AI駆動の深度推定を用いて神経外科における手術内指向の強化の可行性を評価する.
主な方法:
- DINOv2のディープラーニングモデルを8つのトランスフェノイド内皮外科手術のビデオフィードに適用しました.
- 数値的な深度マップを生成し,カラーマップを使用して可視化しました.
- 神経外科医によって主観的に評価され,手動セグメンテーションに対して半量的に評価された深度評価品質.
主要な成果:
- DINOv2は深度マップとカラーマップを成功裏に生成し,専門家の主観的な評価と順調に調整しました.
- 半量的な分析では,深さ面積の推定値の平均DICE類似度指数が0.48であることが示されました.
- 結果は潜在的可能性を示していますが,標準化されていないセグメンテーションカットオフのために慎重に解釈する必要があります.
結論:
- ディープラーニング,特にDINOv2は,内視神経外科画像の深さを推定することができます.
- この技術は,手術中の指向を改善し,内視鏡のビデオフィードを増やすことを約束しています.
- AIは,外科視覚化とナビゲーションの強化に重要な機会を提供します.
