使用人工智能进行腹腔镜 inguinal hernia 修复的里程碑式显示系统.

科学领域:

• 手术方面的创新.
• 医学中的人工智能
• 微创手术是最少的侵入性手术.

背景情况:

• 慢性术后 inguinal 疼痛 (CPIP) 是 inguinal 修复后的一种严重并发症.
• 跨腹前前修复 (TAPP) 被广泛使用,但CPIP仍然是一个问题.
• 识别解剖学标志,特别是在灾难的梯形体内,对于在TAPP期间预防神经损伤至关重要.

研究的目的:

• 评估基于人工智能的系统,用于在TAP过程中显示关键的解剖学地标.
• 评估人工智能系统在识别分泌管,生殖腺血管和下层上胃血管方面的准确性.

主要方法:

• 使用EfficientNetB7开发了一种特征金字塔网络 (FPN) 分段模型,并对3323张手术内内镜图像进行了训练.
• 该模型在10个新的TAPP病例上进行了测试,分析了来自较大的队列中的62个随机选择的病例 (73个).
• 专家外科医生验证了人工智能系统在手术图像上识别关键解剖标志的性能.

主要成果:

• 人工智能模型实现了0.67-0.70的Dice系数,用于识别分泌管,生殖腺血管和下层上胃血管.
• 该系统成功地在手术期间的图像上显示了解剖学地标.
• 专家评估证实里程碑识别的准确性为90%,术后疼痛率低 (5.4%NRS≥1,2.2%CPIP NRS≥3).

结论:

• 人工智能模型在TAPP期间识别必不可少的地标时证明了解剖学有效性和准确性.
• 通过人工智能可视化这些关键结构,可以通过最大限度地降低神经损伤的风险来提高手术安全性.
• 这项技术有望改善患者的治疗结果并减少CPIP的发生率.