基于深度学习的实时尿道识别在拉巴罗镜结肠直肠手术中
Satoshi Narihiro1,2, Daichi Kitaguchi1,2, Hiro Hasegawa1,2
1Department for the Promotion of Medical Device Innovation, National Cancer Center Hospital East, Chiba, Japan.
Diseases of the colon and rectum
|July 3, 2024
概括
一个新的深度学习模型UreterNet可以在腹腔镜结直肠手术视频中识别尿道. 这种非侵入性工具显示了通过帮助手术内尿管识别来提高手术安全的潜力.
科学领域:
- 医学成像医学成像
- 在手术中使用人工智能.
- 手术导航手术导航手术导航
背景情况:
- 在腹腔外科手术中,催情性尿路损伤是显著的风险.
- 精确的尿道在手术期间的识别对于预防此类损伤至关重要.
- 开发了一种新型模型来缓解这种手术并发症.
研究的目的:
- 评估深度学习模型UreterNet在腹腔镜结直肠手术视频中尿管识别的有效性.
- 为了确定UreterNet是否可以在实时手术视频中准确识别尿道.
主要方法:
- 基于深度学习的语义细分算法UreterNet是使用卷积神经网络架构 (特征金字塔网络) 开发的.
- 该模型在304个手术视频中的14069张注释图像上进行了训练和验证.
- 使用精度,回忆和子系数来评估性能,并测量实时推断速度.
主要成果:
- 在测试数据集中,UreterNet的精度为0.712,回忆率为0.722,Dice系数为0.716.
- 该模型展示了实时性能,在71毫秒内推断尿管像素,并在143毫秒内显示结果.
- 这些结果表明,在腹腔镜结直肠手术视频中尿管细分成功.
结论:
- 尿管网提供了一种非侵入性方法,用于在腹腔镜结直肠手术期间进行手术内尿管识别.
- 该模型有潜力通过降低阳性尿路损伤的风险来提高手术安全性.
- 需要进行进一步的临床验证,以确认UreterNet对降低实际的催情性尿道损伤率的影响.
