使用神经网络自主评估手术内胆血管图的充分性
Henry Badgery1,2, Yuning Zhou3,4, James Bailey5
1Department of Upper Gastrointestinal Surgery, St Vincent's Hospital Melbourne, Melbourne, Australia. henry.badgery@svha.org.au.
Surgical endoscopy
|April 1, 2024
概括
人工智能 (AI) 可以解释手术内胆道血管学 (IOC) 图像,以识别胆道解剖学和异常. 这种人工智能工具有望改善腹腔镜胆囊切除术期间的外科安全性和质量控制.
科学领域:
- 医疗成像医学成像
- 在外科手术中使用人工智能
- 胆道成像 胆道成像 胆道成像
背景情况:
- 术内胆血管学 (IOC) 是腹腔镜胆囊切除术期间的关键X射线技术,用于可视化胆道树.
- IOC有助于识别潜在的并发症,如导管损伤和保留的石头,在澳大利亚的使用率很高.
- 目前的解释依赖于人类的专业知识,为人工智能辅助分析提供了机会.
研究的目的:
- 开发和评估人工智能 (AI) 算法,用于IOC图像的自动解释.
- 评估AI在提高手术内安全性,外科培训和胆血管图质量审计方面的潜力.
主要方法:
- 1000张IOC图像的数据集被注释为10个语义细分类,包括解剖学和异常.
- 两个卷积神经网络 (CNN),DeeplabV3+和U-Net,在900张图像上进行了训练,在100张图像上进行了验证.
- 使用像素智能比较与地面真实细分面具来评估性能.
主要成果:
- 无论是U-Net还是DeeplabV3+ CNN都成功地识别了IOC图像中的所有定义类.
- 对于U-Net和DeeplabV3+的平均F1分数分别为0.64和0.70,表明了有效的类细分.
- 在80%以上的案例中,个别类别被正确识别,这表明了临床实用性的概念证明.
结论:
- 可以有效地训练CNN来识别IOC图像中的解剖结构和异常.
- 预计随着更大,更多样化的培训数据集,准确度将进一步提高.
- 在IOC分析中实施人工智能为改善操作内安全和质量控制提供了潜力.
