在腹腔镜肝脏手术中检测和细分:一个多中心研究
Xiang Ao1, Yanlin Leng2, Yunfan Gan3
1Department of General Surgery (Hepatobiliary Surgery), The Affiliated Hospital of Southwest Medical University, Luzhou, 646000, China.
European journal of medical research
|September 30, 2025
概括
一个新的深度学习框架在腹腔镜肝脏手术中有效检测外科,通过减少被忽视仪器的风险来提高患者的安全性. 这种人工智能工具提高了手术效率和手术海绵的管理.
科学领域:
- 医疗成像医学成像
- 在外科手术中使用人工智能
- 外科手术的安全性
背景情况:
- 在腹腔镜手术中,外科很容易被忽视,因为它的尺寸和可见度很低.
- 遗漏手术带对患者安全和手术效率构成风险.
研究的目的:
- 开发一个深度学习框架,用于在腹腔镜肝脏手术中准确检测带.
- 通过将保留的外科器件的风险降至最低,提高外科安全和效率.
主要方法:
- 在两个医院的33个腹腔镜肝脏手术视频上训练了深度学习模型.
- 采用对检测和细分布对象.
- 引入了一种定量方法来对布检测难度进行分类 (容易,中等,困难).
主要成果:
- YOLOv8n模型在布检测方面实现了高精度,回忆和精度高达0.9103.3.
- FCN-ResNet101模型在布细分方面表现出色,达到了0.9389.9的Dice分数.
- 在内部和外部数据集和不同难度级别中验证了性能.
结论:
- 深度学习框架在复杂的腹腔镜肝脏手术视频中显示出强大的检测和细分手术带的能力.
- 这种由人工智能驱动的方法显示出改善手术管管理和患者结果的巨大潜力.
