人工智能辅助的印ocyanine绿色血管学用于穿孔器识别在前侧大腿上

科学领域:

• 微手术 微手术是一种微手术.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 前侧大腿 (ALT) 板对于头部和部的重建至关重要.
• 鉴定ALT穿孔器是至关重要的,但由于解剖学变异性和多普勒超声波等常规方法的局限性而具有挑战性.
• 印ocyanine绿色 (ICG) 血管造影提供实时可视化,但主观解释阻碍了准确性.

研究的目的:

• 将人工智能 (AI) 与ICG血管造影集成,以增强前侧大腿 (ALT) 穿孔器检测.
• 与传统方法相比,评估人工智能辅助ICG血管造影的精度和灵敏度.
• 为了提高ALT手术中穿孔器映射的准确性.

主要方法:

• 一项前性队列研究,涉及51名接受ALT手术的患者.
• 术内ICG血管造影 (ICG-A),然后进行灰度视频分析以定量像素强度.
• 开发和应用YOLOv11对象检测算法用于穿孔器识别,其性能与多普勒超声波和主观ICG解释相比较.

主要成果:

• 开发了一种用于ALT穿孔检测的原型AI模型.
• 主观ICG解释显示了最高的灵敏度 (78%),其次是多普勒超声波 (53%) 和人工智能辅助ICG-A (45%).
• 对主观ICG的积极预测值 (PPV) 为28%,对多普勒的29%,对人工智能辅助ICG-A的21%. 定量分析提供了特定的时间和强度指标.

结论:

• 人工智能辅助ICG血管造影是ALT片手术中穿孔器映射的开发工具.
• 目前的人工智能模型的灵敏度有限,但通过更大的数据集和精细的分析,可以提高准确性.
• 预计未来人工智能在图像处理方面的进步将提高手术内穿孔器识别,手术精度和患者的治疗结果.