Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Electromagnetic field-inducible in vivo gene switch for remote spatiotemporal control of gene expression.

Cell·2026
Same author

Insertional patterns of the Achilles tendon at the calcaneus: a cadaveric study in the Korean population.

Surgical and radiologic anatomy : SRA·2026
Same author

Sacral morphological variations in the Korean population using PMCT-based 3D reconstruction: a case series.

Surgical and radiologic anatomy : SRA·2026
Same author

Electromagnetic field-inducible in vivo gene switch for remote spatiotemporal control of gene expression.

Cell·2026
Same author

Cell-targeted nanocomplex facilitates direct reprogramming of astrocytes into dopaminergic neurons in Parkinson's disease.

Acta biomaterialia·2026
Same author

Artificial intelligence-based personalized oncological outcome prediction model for upper urinary tract urothelial carcinoma after radical nephroureterectomy: A development and multicenter validation.

Investigative and clinical urology·2025

相关实验视频

Updated: Jun 29, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.7K

在手术内机器人前列腺切除术期间实时语义细分的深度学习模型.

Sung Gon Park1, Jeonghyun Park2, Hong Rock Choi2

  • 1Department of Urology, Hallym University College of Medicine, Kangnam Sacred Heart Hospital, Seoul, South Korea.

European urology open science
|April 8, 2024
PubMed
概括

深度学习模型在机器人辅助激进前列腺切除术 (RALP) 中准确地细分手术仪器和解剖学. 这种人工智能驱动的方法显示了机器人手术实时指导的潜力.

关键词:
人工智能的人工智能是人工智能.深度学习是一种深度学习.进行前列腺切除术.分段化 分段化 分段化 分段化

更多相关视频

Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

8.8K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

394

相关实验视频

Last Updated: Jun 29, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.7K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

8.8K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

394

科学领域:

  • 医学成像分析分析 医学成像分析
  • 在手术中使用人工智能.
  • 机器人手术是一种机器人手术.

背景情况:

  • 深度学习,特别是卷积神经网络 (CNN),已经推进了医疗成像分析.
  • 语义细分对于人工智能在手术中的应用至关重要,包括人工智能辅助手术,培训和技能评估.
  • 这项研究研究了CNN模型,用于在机器人辅助激进前列腺切除术 (RALP) 期间实时细分.

研究的目的:

  • 评估基于CNN的深度学习模型在RALP中的实时语义细分的性能.
  • 评估模型在手术过程中识别手术仪器和关键解剖结构的准确性.

主要方法:

  • 使用了来自RALP程序的手术内视频.
  • 一个强化U-Net模型执行了仪器,膀,前列腺和精液囊-精液管的细分.
  • 使用子系数,交叉与结合 (IoU) 和 7:2:1 分割训练,验证和测试数据集的准确性来评估性能.

主要成果:

  • 该模型在仪器 (0.96),前列腺 (0.85) 和精液囊-精液管 (0.84) 中获得了高平均子得分,膀的得分为0.74.
  • 测试数据的整体性能显示,平均子系数为0.85,IOU为0.77,准确度为0.85.
  • 限制包括样本大小,手术方法的多样性,不完整的程序和缺乏外部验证.

结论:

  • 基于CNN的语义细分可以在RALP过程中准确地实时识别手术仪器和解剖学.
  • 深度学习模型可以识别外科解剖学,并提供机器人手术实时指导的潜力.
  • 这项研究表明,深度学习细分对于增强机器人前列腺切除手术的有效性.