基于深度学习的血管和神经识别模型用于横向淋巴结剖析:一个回顾性可行性研究
Shoma Sasaki1,2, Daichi Kitaguchi1,2, Tomohiro Noda1
1Department of Colorectal Surgery, National Cancer Center Hospital East, 6-5-1, Kashiwanoha, Kashiwa-City, 277-8577, Chiba, Japan.
Langenbeck's archives of surgery
|October 27, 2025
概括
一个新的深度学习模型可以在直肠癌手术期间自动识别关键的神经和血管. 这种人工智能工具帮助外科医生进行腹腔镜横向淋巴结解剖,提高安全性和效率.
科学领域:
- 医疗成像医学成像
- 在外科手术中使用人工智能
- 手术瘤学手术瘤学
背景情况:
- 对直肠癌的侧侧淋巴结解剖是复杂的,因为附近的重要结构.
- 保持外侧阴动脉,外侧阴静脉和阻塞神经对于术后功能至关重要.
- 在手术期间准确识别这些结构至关重要.
研究的目的:
- 开发基于深度学习的语义细分模型,用于自动识别关键解剖结构.
- 在腹腔镜横向淋巴结解剖过程中可视化外部阴动脉,外部阴静脉和阻塞神经.
- 为了提高直肠癌手术的安全性和效率.
主要方法:
- 利用了22个腹腔镜侧面淋巴结剖析的手术内视频数据.
- 提取并注释了992张静止图像,描绘了外侧阴动脉,静脉和阻塞神经.
- 训练了一个有像素级标签的语义细分模型,并使用Dice系数和交叉验证评估性能.
主要成果:
- 该模型实现了阻塞神经的0.789的迪斯系数,外部门动脉的0.736和外部门静脉的0.574.
- 证明了近实时处理,推断速度为12.7fps.
- 该模型成功地以合理的准确性识别了关键的解剖结构.
结论:
- 深度学习的语义细分模型可以在腹腔镜横向淋巴结剖析期间自动识别关键结构.
- 该模型为开发先进的外科导航系统提供了基础.
- 这项技术有可能显著提高直肠癌治疗的安全性和效率.
