一种基于深度学习的方法,用于安全有效的ERCP输出管道
Yuying Liu1, Xin Chen2, Siyang Zuo3
1Key Laboratory of Mechanism Theory and Equipment Design of Ministry of Education, Tianjin University, Tianjin, 300354, China.
International journal of computer assisted radiology and surgery
|February 7, 2025
概括
这项研究引入了一个深度学习的GUI,以帮助通过检测十二指甲状腺母膜和外科手术小管检测内镜逆行胆瘤胆瘤学 (ERCP) 管道. 新的4STDH方法实现了93.2%的mAP,提高了ERCP的安全性和效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 手术技术 手术技术
背景情况:
- 计算机辅助内镜逆行胆血管细胞造影 (ERCP) 试管被复杂的解剖学和小,相似的解剖学地标所挑战.
- 精确检测十二指卵泡和外科管对于成功的ERCP程序至关重要.
研究的目的:
- 开发一个深度学习驱动的图形用户界面 (GUI),以协助ERCP编程.
- 在具有挑战性的内镜场景中,提高十二指卵泡和外科管检测的准确性和稳健性.
主要方法:
- 提出了一种新的深度学习方法,即四个swin变压器脱头 (4STDH),用于检测不同尺寸的物体.
- 该模型利用分离的分类和回归网络,并集成swin变压器模块,以提高注意力.
- 创建了一个新的数据集,DPAC,包括1840个注释的内镜图像,将公开提供.
主要成果:
- 在DPAC数据集中,4STDH方法实现了93.2%的平均平均精度 (mAP),超过了最先进的方法.
- 图形用户界面为乳头和提供实时位置数据,包括平面距离和方向,以准确地定位目标.
- 该系统展示了优越的概括性能.
结论:
- 由深度学习驱动的开发的GUI显示出显著的潜力,可以提高临床ERCP管的安全性和效率.
- 在人类内镜视频中的验证证实了深度学习方法的实际适用性和有效性.
