相关实验视频
Updated: Jul 26, 2025

06:08
A Novel Method: Super-selective Adrenal Venous Sampling
Published on: September 15, 2017
23.5K
最少侵入性上腺切除术中的人工智能:使用深度学习来识别左侧上腺静脉
Berke Sengun1, Yalin Iscan1, Gozde A Tataroglu Ozbulak2
1Department of General Surgery, Istanbul University, Istanbul Faculty of Medicine, Istanbul, Turkey.
概括
人工智能在微创性上腺切除术期间准确识别左上腺静脉. 深度学习模型提供了实时手术指导的潜力,提高了患者的安全性.
科学领域:
- 手术创新 在外科创新.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 至少侵入性上腺切除术是对上腺质量的标准.
- 精确的鉴定和上腺静脉的绑定是关键的手术步骤.
- 人工智能和深度学习可以在手术期间提供实时解剖指导.
研究的目的:
- 开发和评估人工智能模型用于左上腺静脉的语义细分.
- 评估使用深度学习在上腺手术中识别关键解剖学的可行性.
主要方法:
- 从最小侵入性横腹左上腺切除术的手术内视频的回顾性分析.
- 使用高效的阶段性特征金字塔网络 (ESFPNet) 开发深度学习模型.
- 使用子相似系数 (DSC) 和交叉与联合的分段精度的评估.
主要成果:
- 人工智能模型实现了0.77的平均DSC和0.82.8的灵敏度.
- 性能最高的模型达到了0.93.9的最大DSC.
- 结果表明成功预测左上腺静脉解剖学.
结论:
- 深度学习算法在预测左上腺静脉解剖学方面表现出很高的性能.
- 人工智能有可能在上腺手术期间提供实时指导.
- 未来的应用可能会提高外科准确性和安全性.

