通过使用二进制语义分段网络集体在 laparoscopic 手术图像中区分子宫动脉,尿道和神经
Norbert Serban1, David Kupas1, Andras Hajdu1
1Faculty of Informatics, University of Debrecen, 4028 Debrecen, Hungary.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究引入了语义细分,通过准确识别子宫动脉和神经等关键结构来改善腹腔镜子宫切除术. 组合技术提高了模型性能,以实现更安全的微创手术.
科学领域:
- 医疗成像医学成像
- 手术技术 手术技术
- 计算机视觉 计算机视觉
背景情况:
- 最少侵入性手术为患者提供了恢复的好处,但限制了外科医生的触觉反.
- laparoscopic 子宫切除术 由于视觉限制在区分解剖结构方面存在挑战.
- 缺乏触觉信息阻碍了对子宫动脉,尿管和神经的准确识别.
研究的目的:
- 开发和评估语义细分模型,以提高腹腔镜切除子宫的可视化效果.
- 为了提高在微创手术过程中识别关键解剖结构的准确性.
- 为应对锁孔手术中视觉和触觉反有限所带来的挑战.
主要方法:
- 用一个EfficientNet-b3编码器训练三个基于U-Net的二进制语义细分模型.
- 开发和比较两个组合技术:基于像素和基于区域的.
- 训练一个经典的多类语义细分模型用于参考比较.
- 使用38个手术视频中的586张手动注释图像的数据集.
主要成果:
- 与单个模型相比,组合技术显著提高了语义细分性能.
- 像素智能和基于区域的组合方法在区分外科结构方面表现出卓越的准确性.
- 开发的模型准确地预测了像素级解剖信息,帮助手术导航.
- 发表的数据集有助于未来的手术图像分析研究.
结论:
- 语义细分,特别是用合体方法,提供了一个有前途的解决方案,以改善视觉化和安全性在腹腔镜子宫切除术.
- 通过人工智能精确识别子宫动脉,尿道和神经,可以减轻与视觉限制相关的风险.
- 开发的技术和数据集有助于推进计算机辅助手术和医学成像分析.
