使用人工智能手术支持系统的胸部神经识别的准确性

科学领域:

• 医学技术 医学技术 医学技术
• 手术方面的创新.
• 医学中的人工智能

背景情况:

• 肺癌手术需要精确识别微解剖学.
• 当前的可视化方法在实时手术指导方面可能存在局限性.
• 人工智能为增强手术内可视化和决策支持提供了潜力.

研究的目的:

• 为了评估人工智能驱动的外科支持系统在肺癌手术期间识别胸部神经的准确性.
• 将人工智能系统的性能与传统的外科监视器进行比较.
• 评估系统的可用性和整合到手术工作流程中.

主要方法:

• 开发用于神经识别的深度学习模型,使用注释的外科图像进行识别.
• 使用 Dice 和 Jaccard 索引进行计算评估以评估准确性.
• 在10次胸腔镜肺癌手术中,由四名普通胸部外科医生进行的临床评估,评估神经识别准确性,时间延迟,图像质量和运动流性.

主要成果:

• 计算评估显示了有利的Dice (0.56) 和Jaccard (0.39) 指数.
• 外科医生的评估表明,对胸部神经识别的准确性令人满意 (回忆:4.5±0.4,精度:4.0±0.9).
• 人工智能系统展示了最小的时间延迟 (4.9±0.3) 和高图像质量 (4.6±0.5),与外科监视器相比,在运动平滑度 (3.2±0.4) 中略有差异.

结论:

• 开发的AI手术支持系统在识别胸部神经方面表现出令人满意的准确性.
• 该系统显示出作为提高肺癌手术手术精度的宝贵工具的潜力.
• 人工智能驱动的可视化可以增强外科医生在胸部手术期间识别关键结构的能力.