在微创右上腺切除术中利用人工智能:通过深度学习识别解剖学标志
Berke Sengun1, Yalin Iscan1, Ziya Ata Yazici2
1Istanbul Faculty of Medicine, Department of General Surgery, Istanbul University, Istanbul, Turkey.
Acta chirurgica Belgica
|June 6, 2024
概括
人工智能在微创右上腺切除术期间准确识别关键的解剖结构. 这项技术可以实现实时手术导航系统,以改善患者的治疗结果.
科学领域:
- 医疗成像医学成像
- 手术技术 手术技术
- 人工智能的人工智能
背景情况:
- 最少侵入性上腺切除术是上腺质量去除的标准.
- 准确识别解剖学标志是最小化手术并发症至关重要的.
- 人工智能 (AI) 为手术中实时导航系统提供了潜力.
研究的目的:
- 开发深度学习模型,用于识别微创右上腺切除术期间的关键解剖结构.
- 评估基于变压器和卷积神经网络 (CNN) 的模型在手术视频语义细分中的性能.
主要方法:
- 分析了20名接受微创右上腺切除术的患者的手术视频.
- 训练SwinUNETR (变压器) 和MedNeXt (CNN) 模型用于肝脏,下静脉 (IVC) 和右上腺的语义细分.
- 模型使用子交叉透和子焦点损失进行训练,并进行5倍交叉验证和强大的数据增强.
主要成果:
- 在SwinUNETR模型中,获得了78.37%的平均子相似系数 (mDSC) 与子交叉损失.
- MedNeXt模型实现了63.71%的欧盟平均交叉点 (mIoU),超过了SwinUNETR的62.10%mIoU.
- 两种模型在像素分类指标 (如精度,灵敏度和特异性) 中都表现出高性能.
结论:
- 基于人工智能的系统可以有效地预测在微创右上腺切除术期间的解剖学地标.
- 这些人工智能工具对未来实时内操作导航系统的发展充满希望.
- 该研究表明,使用深度学习来增强外科指导的可行性.
