在腹腔镜检查过程中人工智能对子宫内膜异位病变的自动视觉识别的初步结果:一项概念验证研究
Antoine Netter1, Saman Noorzadeh2, Fanny Duchateau3
1Department of Gynecology, Obstetrics and Reproductive Medicine, AP-HM, Pôle femmes parents enfants, Marseille, France; EA3279, CEReSS, Health Service Research and Quality of Life Center, Aix-Marseille University, Marseille, France.
这项研究开发了一种人工智能工具,用于在腹腔镜手术期间识别子宫内膜异位病变,显示出诊断援助的希望. 需要进一步精细化,以便在识别所有类型的病变时获得最佳准确性.
科学领域:
- 外科创新
- 医学中的人工智能
- 医学成像分析
背景情况:
- 在腹腔镜检查中诊断子宫内膜异位症可能很困难.
- 对子宫内膜异位病变的客观视觉识别是一个未满足的临床需求.
- 人工智能提供了自动化外科评估的潜力.
研究的目的:
- 开发和评估用于腹腔镜手术中自动识别子宫内膜异位病变的机器学习模型.
- 评估人工智能驱动的在手术内检测子宫内膜异位症的可行性和性能.
主要方法:
- 在112名患者的注释手术视频上训练了一个深度神经网络 (YOLOv5).
- 该模型旨在检测和分类9个视觉类型的子宫内膜异位病变.
- 采用多中心数据收集和严格的验证.
主要成果:
- 在表面黑色,表面微妙和卵巢巧克力液病变方面,AI模型获得了高性能 (F1评分≥0.74).
- 对于密集的粘附,卵巢内膜瘤和深层子宫内膜异位,观察到可接受的性能 (F1评分≥0. 63).
- 表面红色,表面白色和薄膜粘合的表现较差,表明需要改进的领域.
结论:
- 人工智能在腹腔镜检查期间可视识别子宫内膜异位症.
- 需要进一步开发以提高模型的准确性和标准化注释.
- 人工智能整合有可能改善子宫内膜异位症诊断和手术结果.
更多相关视频
05:52Sentinel Lymph Node Mapping and Biopsy for Endometrial Cancer at Early Stage with Laparoscopy
Published on: August 19, 2021
07:20Intraoperative Detection of Subtle Endometriosis: A Novel Paradigm for Detection and Treatment of Pelvic Pain Associated with the Loss of Peritoneal Integrity
Published on: December 21, 2012
相关概念视频
Angina V: Nursing Management
Angina III: Clinical Manifestations and Assessment
Angina I: Introduction
Acute Coronary Syndrome V: Nursing Management
Pericarditis II: Clinical Features and Diagnostic Tests
Imaging Studies for Cardiovascular System I:Echocardiography
Indications: Echocardiography is utilized to diagnose heart failure, valve disorders, and myocardial infarction. It also assesses cardiac structures' size, shape, and motion,...
