使用基于深度学习的语义细分算法评估微血管解剖中针操作期间血管面积的变化:试点研究
Minghui Tang1,2,3, Taku Sugiyama4,5, Ren Takahari6
1Department of Diagnostic Imaging, Hokkaido University Faculty of Medicine and Graduate School of Medicine, Sapporo, Japan.
Neurosurgical review
|May 9, 2024
概括
一个新的深度学习算法通过分析微血管解剖过程中的血管面积变化,客观地评估外科技能,区分专家和新手的表现. 这项技术有助于外科教育和患者安全.
科学领域:
- 微手术技术和外科手术技能评估.
- 人工智能在医疗培训和评估中的应用.
背景情况:
- 成功的微血管解剖取决于精确的针头处理,以防止血管变形.
- 缺乏客观的方法来评估外科技巧,特别是"尊重组织".
- 当前的评估往往依赖于主观的评估,而不是可量化的指标.
研究的目的:
- 开发基于深度学习的语义细分算法,用于评估微血管解剖过程中的血管面积变化.
- 通过视频分析客观地评估与组织处理相关的外科技能.
- 根据定量视频参数,区分专家和初学者外科医生.
主要方法:
- 一个ResNet-50深度学习模型使用微血管解剖的人工血管视频进行训练.
- 该算法量化了船舶面积的变化,计算变化系数 (CV-VA) 和单位时间的相对变化 (ΔVA).
- 根据 ΔVA 值确定了组织变形错误 (TDE),并将专家和新手组进行了比较.
主要成果:
- 语义细分模型实现了高的验证准确性 (99.1%) 和对欧盟的交叉点 (0.93).
- 专家外科医生表现出明显较低的CV-VA和ΔVA,表明血管变形较少.
- 专家做了较少的TDE并更快地完成了任务,组合的参数显示了完全的区分能力.
结论:
- 基于深度学习的语义细分提供了一种新的客观方法,通过分析血管区域动态来评估微手术的性能.
- 这种方法提供了在微血管解剖过程中"尊重组织"的定量指标.
- 开发的算法可以集成到计算机辅助设备中,以增强外科教育和提高患者安全.
