在手术内镜图像上基于深度学习识别垂体腺瘤:试点研究
Yutaro Fuse1,2, Kazuhito Takeuchi3, Noriaki Hashimoto4
1Department of Neurosurgery, Nagoya University Graduate School of Medicine, 65 Tsurumai-cho, Showa-ku, Nagoya, 466-8550, Japan.
Neurosurgical review
|November 1, 2023
概括
这项研究引入了一个深度学习模型,用于在手术期间使用4K内镜图像识别垂体腺瘤. 人工智能显示出有希望的瘤歧视,帮助神经外科医生精确切除瘤.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 对神经外科医生来说,准确的术内瘤鉴定至关重要,以最大限度地切除,同时保持健康的组织.
- 目前的技术缺乏可靠的性能来区分垂体腺瘤和正常组织.
- 垂体腺瘤需要精确的手术切除,以避免对周围的关键结构造成损害.
研究的目的:
- 开发和验证一种深度学习 (DL) 方法,以使用手术内内镜图像从非瘤组织中区分垂体腺瘤.
- 评估使用DL算法的可行性,以实时识别瘤在内镜转形手术期间.
- 通过为神经外科医生提供增强的视觉指导来改善外科结果.
主要方法:
- 从50个手术内4K超高清内镜视频中提取静态图像,这些视频来自于脑垂体腺瘤手术.
- 在静态图像上,在土耳其部内划分瘤和非瘤组织.
- 开发和验证DL模型,包括宽ResNet,使用5倍的每患者交叉验证方法对117,223张图像补丁进行验证.
主要成果:
- 广泛的ResNet DL模型在区分瘤组织方面获得了0.768的最高准确率和0.766的F1得分.
- 一项初步的概念验证评估表明DL模型的预测,神经外科医生评估和前性注册患者的组织病理发现之间存在一致.
- 这项研究成功生成了605张静态图像的数据集,其中有超过58,000张标记的瘤和非瘤补丁.
结论:
- 开发的深度学习算法在在手术内4K内镜图像中从非瘤组织中区分下垂体腺瘤方面表现良好.
- 这种由人工智能驱动的方法显示出作为神经外科医生的辅助工具的潜力,提高了在垂体腺瘤手术期间瘤切除的精度.
- 进一步验证和整合到外科手术工作流程中可以显著改善外科手术决策和患者的结果.
