开发深度学习框架,用于在腹腔镜胆囊切除术期间检测解剖学里程碑和引导剖析线
Pruittikorn Smithmaitrie1, Methasit Khaonualsri1, Wannipa Sae-Lim2
1Department of Mechanical and Mechatronics Engineering, Faculty of Engineering, Prince of Songkla University, Thailand.
Heliyon
|February 8, 2024
概括
这项研究引入了一个深度学习框架,通过识别关键的解剖标志和指导剖析来预防腹腔镜胆囊切除术期间的胆道损伤. 人工智能工具实现了高精度,并得到了外科医生的好评,以实时提供手术协助.
科学领域:
- 手术方面的创新.
- 医学中的人工智能
- 医学成像分析分析 医学成像分析
背景情况:
- 胆管损伤是腹腔镜胆囊切除术期间的风险,原因是胆管解剖学的潜在误解.
- 深度学习提供实时解剖学里程碑识别,以提高手术中的剖析精度.
研究的目的:
- 开发一个深度学习框架,精确识别解剖学里程碑,如Rouviere的和IV段的肝脏基.
- 使用人工智能在腹腔镜胆囊切除术期间生成指导剖析线.
主要方法:
- 使用了40个腹腔镜胆囊切除术视频的数据集,其中有3200张图像被注释为解剖学里程碑.
- YOLOv7模型被训练来检测Rouviere的和IV段的肝脏基础.
- 开发了一个指导剖析线算法,并部署了用于实时测试的框架.
主要成果:
- YOLOv7模型实现了高性能,在验证组中达到98.1%,在测试组中达到91.3%.
- 外科医生以95.71%的赞同率接受了引导剖析线的可视化.
- 该框架准确地识别了地标,并在手术室部署期间实时生成剖析线.
结论:
- 深度学习框架成功地识别了解剖学里程碑,并为腹腔镜胆囊切除术提供了实时引导的剖析线.
- 这种由人工智能驱动的工具展示了作为计算机辅助手术助理的潜力,以提高外科医生的能力.
