使用人工智能在腹腔镜远端胃切除术中的手术步骤识别:一项概念验证研究

科学领域:

• 最少的侵入性手术是最少的侵入性手术.
• 医学中的人工智能.
• 进行外科手术教育.

背景情况:

• laparoscopic远距离胃切除术 (LDG) 对外科医生在职业生涯的早期提出了挑战.
• 基于人工智能 (AI) 的手术步骤识别对于开发具有上下文意识的计算机辅助手术系统至关重要.
• 准确地识别手术阶段有助于培训和绩效评估.

研究的目的:

• 开发和评估基于人工智能的模型,用于在LDG过程中自动识别手术步骤.
• 评估卷积神经网络 (CNN) 的性能,以对LDG程序进行分类.
• 为人工智能集成的外科工具奠定基础.

主要方法:

• 利用了2019年进行的40次腹腔镜远部胃切除术 (LDG) 的视频数据.
• 将手术视频分为九个不同的步骤,由两位经验丰富的胃外科医生手动注释.
• 采用卷积神经网络 (CNN) 来进行图像分类,以识别每个手术步骤.

主要成果:

• 在30个LDG视频中的超过100万个注释上训练了一个深度学习模型.
• 实现了高分类性能,精度为0.88,回忆力为0.87,F1得分为0.88,整体精度为0.89.
• 对于开发的AI模型,演示了32ps的快速推断速度.

结论:

• 开发的CNN模型准确地识别了LDG手术中的手术步骤.
• 这种人工智能模型显示出作为未来手术仪器基础技术的潜力.
• 进一步增强数据可以增强模型的临床应用能力.