相关实验视频
Updated: Jun 28, 2025
12:10
Retzius-Sparing Robot-Assisted Radical Prostatectomy
Published on: May 19, 2022
7.7K
估计手术尿道长度在手术内机器人辅助前列腺切除术图像使用人工智能解剖学识别
Aron F H A Bakker1,2, Joris V de Nijs3, Tim J M Jaspers3
1Department of Urology, Catharina Hospital, Eindhoven, The Netherlands.
Journal of endourology
|April 13, 2024
概括
人工智能模型可以在机器人辅助激进前列腺切除手术 (RARP) 期间识别关键结构. 虽然它以小的平均误差估计了手术尿道长度 (SUL),但与人类分析相比,发现了显著的偏差.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 机器人辅助激进前列腺切除术 (RARP) 的结果,特别是尿失禁 (UI),因手术技术和外科医生经验的差异而有很大差异.
- 精确评估手术尿道长度 (SUL) 是至关重要的,因为它与RARP后的UI相关.
- 目前用于SUL估计的方法是手动的,需要广泛的外科医生培训,强调需要客观和自动化的方法.
研究的目的:
- 开发一个卷积神经网络 (CNN) 模型,用于在RARP视频中细分解剖结构.
- 利用CNN模型进行SUL的自动预测.
- 评估人工智能模型在划分结构和估计SUL与人类注释相比的准确性.
主要方法:
- 八十八个RARP视频被追溯分析,其中264个注释为前列腺,尿道,结合和导管.
- 一个CNN模特在这些注释上受过训练.
- 模型的性能使用子相似系数 (DSC) 和第95百分点豪斯多夫距离 (Hd95) 来评估.
- 使用导管作为参考来计算SUL,并将预测的SUL与人类测量进行比较.
主要成果:
- 在划分重要结构方面,CNN模型取得了中等到相当的准确性,DSC得分为0.735的导管和0.755的尿道.
- 该模型在前列腺和带上表现出适度的性能.
- 与人类注释者相比,预测的SUL显示出很小的平均差异 (0.64-1.86毫米),但有相当大的偏差 (标准偏差为3.28-3.56毫米).
结论:
- 人工智能驱动的图像细分显示出在RARP期间识别关键解剖结构的前景.
- 使用这种AI模型进行自动SUL估计是可行的,尽管当前的偏差需要进一步细化.
- 这项技术是朝着人工智能辅助的外科指导和改善RARP结果迈出的有希望的一步.
