腹腔鏡胆小胞外切除における蒸留ベースの自己監督および複数のインスタンス学習によるCVS評価
Hao Wang1,2,3, Yutao Zhang4,5, Yuxuan Yang4,5
1School of Management, Hefei University of Technology, 193 Tunxi Road, Hefei, 230009, Anhui, China. haowang@hfut.edu.cn.
International journal of computer assisted radiology and surgery
|February 18, 2026
まとめ
この研究は,腹腔鏡胆小胞外切除 (LC) 中の安全性 (CVS) の自動化された批判的な見方評価のためのSMILフレームワークを導入します. SMILは,高価なセグメンテーションラベルを必要とせずに,CVSを正確に識別することにより,外科の安全性を高めます.
科学分野:
- 医療イメージングと人工知能
- 外科安全とアナリティクス
背景:
- 安全性に関する批判的見解 (CVS) の正確な評価は,腹腔鏡胆管切除術 (LC) 中の胆管損傷を予防するために不可欠です.
- 現在の自動化された方法は,しばしば高価なセグメンテーションアノテーションを必要とし,時間空間的な理解に苦労し,現実世界のアプリケーションを制限します.
- これらの制限を克服する自動化されたCVS評価のための効率的で堅牢な枠組みが必要である.
研究 の 目的:
- LCにおける自動化されたCVS評価のための効率的なフレームワークを開発し,セグメント化アノテーションの必要性を排除します.
- モデルの堅牢性を高め,よりよい外科安全分析のための時空理解を向上させる.
- レーベルなしの自動CVS評価のための新しいベンチマークを確立する.
主な方法:
- SMILフレームワークの導入,蒸留ベースの自己監督の予備訓練と複数のインスタンス学習 (MIL) を組み合わせた.
- 空間時間的な特徴を抽出するために,ラベルフリー自己蒸留を使用してビデオトランスフォーマーを予め訓練しました.
- このフレームワークは,MILを使用して微調整され,Endoscapes2023データセットのマルチラベルCVS分類のためのグローバルとローカル表現を統合しました.
主要な成果:
- SMILフレームワークは,セグメンテーションラベルなしでEndoscapes2023データセットで最先端の方法と比較して優れたパフォーマンスを示しました.
- SMILは,最も強いラベルフリーベースラインと比較して,平均平均精度 (mAP) で3.21%,バランスのとれた精度で2.74%,大幅な改善を達成しました.
- 特に,SMILは,mAPにおけるセグメンテーション・スーパーバイザードモデルを上回り,効率的な学習能力を強調しました.
結論:
- SMILフレームワークは,セグメンテーションアノテーションや連続入力を必要とせずに,自動化されたCVS評価のための効果的なソリューションを提供します.
- 自己指導学習とMILを統合することにより,SMILは,LC手術の文脈で空間時間的な理解と一般化を強化します.
- この枠組みは,手術の安全性を向上させ,胆管の損傷を予防するために,重要な理論的洞察と実用的な価値を提供します.
