在内镜耳部手术视频中,开发了一个基于卷积神经网络的解剖结构细分的基本真理

科学领域:

• 神经外科 神经外科
• 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:

• 内镜耳部外科手术需要精确识别微妙的解剖结构,如牙,胆和面部神经.
• 准确的手术内可视化对于预防阴性损伤和确保成功的外科手术结果至关重要.
• 目前用于识别这些结构的方法可能耗时,并且可能受益于人工智能的协助.

研究的目的:

• 创建一个基本的数据集 (基础真相),用于训练卷积神经网络 (CNN),以对内镜耳部手术视频中的关键解剖元素进行细分.
• 评估开发的人工智能模型在识别未见的手术视频数据上的脚,胆和面部神经方面的性能和准确性.

主要方法:

• 通过精心细分40个内镜耳 tympanotomy 视频,建立了一个基本真相数据集.
• 通过使用这些地面真相数据,CNN受过训练,以识别和预测带,带和面部神经的位置.
• 美国有线电视新闻网 (CNN) 的预测准确性在一组单独的视频中被评估,通过使用子得分,灵敏度和特异性指标将其细分与地面真相进行比较.

主要成果:

• 人工智能模型实现了显著的整体子得分77.94%,跨越了节, tympani 和面部神经.
• 记录了高灵敏度 (78.42%) 和优异的特异性 (99.79%),表明了强大的识别能力.
• 结果表明,CNN在手术视频背景下对这些关键结构进行细分的有效性.

结论:

• 卷积神经网络分析在内镜耳部手术期间有效识别必要的解剖结构.
• 人工智能模型显示了改进外科手术指导和耳科手术培训的潜力.
• 建议使用多种视频数据集进一步验证和完善CNN,以提高其临床适用性和性能.