HernIA:实时解剖结构细分在视频中 laparoscopic 阴道膜整形术与AI

科学领域:

• 手术技术 手术技术
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• laparoscopic transabdominal preperitoneal (TAPP) 膜整形提供更快的恢复,但由于解剖错误识别存在错误风险.
• 挑战包括"乒乓球效应"和1%-2%的错误率,可能导致血管损伤等并发症.

研究的目的:

• 开发和验证HernIA,一个用于TAPP程序实时解剖细分的AI系统.
• 为了实现≥85%的IoU交叉点,并将识别错误减少≥50%.

主要方法:

• 赫尼亚利用YOLOv11m-seg模型,在45个TAPP手术中的21000多张注释式腹腔镜图像上进行训练.
• 专家腹腔镜学家的注释确保了高级别的可靠性 (科恩的卡帕=0.87).
• 验证涉及5倍交叉验证和10,800的数据集.

主要成果:

• 赫尼亚达到了89.4% (±2.1%) 的高IOU,贾卡德指数达到了81.2%,mAP@50达到了92.3%.
• 该系统在模拟的TAPP环境中,在延迟时间最小 (42ms) 的情况下,识别错误减少了62%.

结论:

• 赫尼亚显示出提高外科手术精度和培训TAPP程序的潜力.
• 人工智能系统可能有助于减少手术并发症,尽管为了概括性,多中心试验是必要的.