在腹腔镜胆囊切除术中使用U-Net与自动编码器进行可靠的肝细胞解剖细分
Koloud N Alkhamaiseh1, Janos L Grantner2, Saad Shebrain3
1Department of Electrical and Computer Engineering, Western Michigan University, Kalamazoo, MI, USA. k.alkhamaiseh@wmich.edu.
Surgical endoscopy
|July 26, 2023
概括
深度学习模型可以识别腹腔镜胆囊切除术 (LC) 手术期间安全性的关键观点. 这种人工智能方法通过可靠地细分肝细胞解剖学来帮助外科医生,可能减少胆道损伤.
科学领域:
- 手术方面的创新.
- 医学成像分析分析 医学成像分析
- 医学中的人工智能
背景情况:
- 在腹腔镜胆囊切除术 (LC) 期间的胆管损伤 (BDI) 通常是由于解剖学误解造成的.
- 深度学习 (DL) 为手术视频分析提供了潜在的解决方案,有助于视觉任务,例如识别安全的批判性视图 (CVS).
研究的目的:
- 开发一种深度学习模型,用于预测LC过程中对安全的批判性看法 (CVS).
- 使用深度神经网络与细分模型集成,以突出显示肝细胞解剖学.
主要方法:
- 用四个肝囊瘤解剖标志的LC视频图像进行注释.
- 训练和测试使用五倍交叉验证的U-Net架构的深度自编码神经网络.
- 使用诸如IoU,准确性,精度,回忆和豪斯多夫距离等指标评估模型性能.
主要成果:
- 该模型在细分方面实现了74.65%的平均IOU.
- 在自动肝细胞基准识别中表现出高性能,准确度为92%和精度为93.9%.
- 成功细分了具有挑战性的解剖病例.
结论:
- 深度学习模型可以为手术视频分析提供手术内支持.
- 人工智能可以指导外科医生在LC期间可靠的肝细胞解剖细分.
- 这项技术可以促进LC中关键安全步骤的选择性视频记录.
