利用人工智能 (AI) 和图像识别技术,实现良性前列腺增生 (BPH) 手术切除边界的潜在无线传感
IEEE journal of biomedical and health informatics
|November 5, 2025
概括
这项研究引入了一种人工智能模型,用于在前列腺手术期间实时识别外科边界,提高精度和患者安全. 未来与无线传感器的整合有望实现无接触的外科指导和先进的生物医学应用.
科学领域:
- 人工智能在医学中的应用
- 手术技术 手术技术
- 生物医学工程 生物医学工程
背景情况:
- 精确的手术内传感对于手术结果和患者安全至关重要.
- 目前用于识别外科切除边界的方法可能是有限的.
- 人工智能提供了实时,增强的外科指导的潜力.
研究的目的:
- 开发和评估一个人工智能驱动的模型,用于实时识别通过尿道切除前列腺切除 (TURP) 期间的外科切除边界.
- 利用nnU-Net架构来准确地划分关键的解剖结构.
- 为整合无线传感技术为非接触式外科指导奠定基础.
主要方法:
- 开发了一种nnU-Net模型来预测良性前列腺增生组织,包括前列腺囊,骨和膀部.
- 该模型使用了与Leaky ReLUs的收缩和扩张路径.
- 使用5倍交叉验证和诸如Dice系数,mIoU,mAcc和aAcc等指标来评估性能.
主要成果:
- 人工智能模型证明了手术界限的有效预测.
- 性能指标包括:前列腺手术囊 (mDice=0.67,mIoU=0.579),血栓 (mDice=0.837,mIoU=0.742) 和膀部 (mDice=0.76,mIoU=0.667) 等.
- 在所有评估的结构中实现了高整体精度 (aAcc).
结论:
- 人工智能显示出实时手术内传感和外科边界划分的巨大潜力.
- 开发的模型为整合无线技术为非接触式外科指导铺平了道路.
- 这种方法支持精确医疗保健和个性化生物医学传感的进步.
