一种新的深度学习方法,在甲状腺手术的手术视频中对副甲状腺腺进行细分
Tian Sang1, Fan Yu2, Junjuan Zhao1
1School of Computer Engineering and Science, Shanghai University, Shanghai, China.
Frontiers in surgery
|May 6, 2024
概括
人工智能 (AI) 通过改善副甲状腺 (PG) 在手术视频中的识别来帮助外科培训. 一个新的深度学习模型,视频-转移-U-HRNet,表现得与高级外科医生相提并论.
科学领域:
- 手术技术 手术技术
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 副甲状腺 (PG) 的识别对外科医生来说是一项挑战,影响了手术内安全和培训.
- 人工智能 (AI) 有潜力增强外科手术技能和患者的治疗成果.
研究的目的:
- 评估深度学习模型在甲状腺手术期间在手术视频中辅助识别副甲状腺 (PGs) 的有效性.
主要方法:
- 一项涉及50名接受甲状腺手术的患者的回顾性研究.
- 开发Video-Trans-U-HRNet深度学习模型,用于98个视频 (9,944) 中的PG细分.
- 模型与其他AI方法和人类外科医生 (2高级,2初级) 在独立测试队伍中进行比较.
主要成果:
- 视频传输-U-HRNet模型在其他AI模型中取得了卓越的性能,DICE分数为0.760和74.7%的准确性.
- 在独立测试队列中,该模型实现了89.5%的精度,77.3%的回忆率和70.8%的准确性.
- 模型的表现与高级外科医生相美,与初级外科医生相美.
结论:
- 开发的深度学习细分方法为手术视频中的PG识别提供了补充指导.
- 这种由人工智能驱动的方法显示了增强外科培训和降低副甲状腺局部化学习曲线的潜力.
