深度学习模型在妇科 laparoscopy中的应用
Fani Gkrozou1, Vasileios Bais1, Charikleia Skentou1
1Department of Obstetrics and Gynecology, Medical School of Ioannina, University General Hospital, 45500 Ioannina, Greece.
Medicina (Kaunas, Lithuania)
|August 28, 2025
概括
深度学习 (DL) 模型通过改善解剖学识别和仪器跟踪来推进妇科腹腔镜. 这些人工智能 (AI) 应用增强了外科指导和培训.
科学领域:
- 医疗技术
- 外科创新
- 医学的人工智能
背景情况:
- 人工智能越来越多地被用于医疗保健.
- 深度学习 (DL) 模型在外科应用中具有显著的潜力.
研究的目的:
- 系统地审查和综合关于妇科腹腔镜手术中DL模型开发和验证的研究.
- 确定人工智能驱动的妇科腹腔镜的关键应用和趋势.
主要方法:
- 在MEDLINE,IEEE Xplore和谷歌学者 (2000-2025) 的综合文献搜索.
- 纳入标准集中在用于妇科腹腔镜数据集的DL模型 (特别是卷积神经网络 (CNN)) 上.
- 排除非妇科,非腹腔镜,非CNN和非英语研究.
主要成果:
- 在621个初始记录中,有16项研究符合纳入标准.
- 确定的应用包括解剖学分类 (6项研究),解剖学细分 (5项研究),手术仪器分类/细分 (5项研究) 和手术动作识别 (5项研究).
结论:
- 人工智能在妇科腹腔镜中扮演越来越重要的角色.
- 人工智能的进步有望通过改善解剖学识别,仪器跟踪和动作分析来加强手术内指导和标准化手术培训.


