人工智能以绿色光血管学为最佳组织切除,用于片重建:概念验证

科学领域:

• 手术创新 在外科创新.
• 医学成像分析 医学成像分析
• 人工智能在医学中的应用

背景情况:

• 氨酸绿色光血管学 (ICGFA) 越来越多地在手术内用于评估膜 perfusion.
• 对ICGFA的解释可能是主观的,这引发了对潜在的过度偿还的担忧.
• 需要客观的工具来指导重建期间的手术决策.

研究的目的:

• 开发和验证一种人工智能 (AI) 方法,用于使用ICGFA量化膜 perfusion.
• 为了提供一个客观的衡量标准来确定所需的片修剪的程度.
• 为了减少主观性和ICGFA解释中的潜在错误.

主要方法:

• 从十名患者的操作ICGFA视频被用于培训和测试.
• 使用MATLAB分析了五种光强度和与时间相关的特征.
• 训练了一种机器学习模型,使用十倍的交叉验证,确定最大光强度作为关键特征.

主要成果:

• 人工智能模型在验证 (99.9%) 和测试 (99.3%) 中实现了高精度.
• 最大光强度是最重要的预测特征.
• 确定了22.1个灰度单位的值,以区分保留和切除片的部分.

结论:

• 开发的AI方法有效地表明是否保留或消耗外围片部分.
• 人工智能工具在提高ICGFA解释的客观性方面显示出希望.
• 需要对更大的患者队列和专家参考进行进一步的验证,以确认可概括性.