基于深度学习的手术内视觉指导模型用于腹腔镜西格莫切除术中的尿管识别

科学领域:

• 医疗成像医学成像
• 在外科手术中使用人工智能
• 手术导航 手术导航

背景情况:

• 在 laparoscopic sigmoid切除过程中,准确识别左尿管至关重要,以防止手术损伤.
• 在微创手术中,手术内尿管鉴定仍然是一个挑战.

研究的目的:

• 评估基于深度学习的计算机视觉模型对左尿道识别的实时性能.
• 评估使用人工智能的可行性,以提高腹腔镜半导体切除术中的手术安全性.

主要方法:

• 一个语义细分深度学习模型 (You Only Look Once版本8和11) 被训练在1237个手术内图像从86个腹腔镜西格切除视频.
• 三名结直肠外科医生对手术视频数据进行了手动注释.
• 模型性能使用每五倍交叉验证进行了评估.

主要成果:

• 深度学习模型实现了0.92的平均平均精度 (mAP50) 和0.90.90的子系数 (DC).
• 记录了高精度 (0.94) 和回忆 (0.88),最高的直流达到0.95.
• 该模型以每秒32 (FPS) 的速度运行,证明了实时能力.

结论:

• 深度学习模型,特别是YOLO 8和10,可以准确地和实时地在腹腔镜西格莫切除术期间识别左尿管.
• 这项技术有可能帮助外科医生进行手术内图像导航,以提高精度.
• 限制包括样本大小,外科手术方法的多样性,以及需要外部验证.