在使用Segment Anything Model 2的跨内镜耳部手术视频中进行手术仪器细分和分类
Ryunosuke Ueno1, Takeshi Fujita2, Kazuhiro Matsui1,3
1Graduate School of Engineering Science, The University of Osaka, Toyonaka, Japan.
Quantitative imaging in medicine and surgery
|December 11, 2025
概括
细分任何模型2 (SAM2) 准确地识别了使用零射击细分的跨通道内镜耳部手术 (TEES) 视频中的手术仪器. 这种人工智能方法减少了对广泛训练数据的需求,为改进的外科导航铺平了道路.
科学领域:
- 人工智能在医学中的应用
- 手术技术 手术技术
- 医学成像分析 医学成像分析
背景情况:
- 精确识别手术仪器对于提高跨通道内镜耳部手术 (TEES) 的安全性和效率至关重要.
- 细分任何东西模型2 (SAM2) 提供了先进的零射击细分功能,可以在没有广泛的训练数据的情况下识别对象.
- 在TEES中评估AI模型,如SAM 2用于手术仪器识别,对于推进临床应用至关重要.
研究的目的:
- 成为第一个将SAM 2应用于TEES视频的人.
- 评估SAM 2在TEES程序中的手术仪器细分和分类方面的表现.
- 评估使用零射击细分用于手术仪器识别的可行性.
主要方法:
- 一个684的评估视频是由三个临床TEES (tympanoplasty) 病例创建的.
- 模拟了四种手术仪器 (,,鱼,圆刀).
- 萨姆2的任务是使用仅12张参考图像进行仪器识别,其性能由精度,回忆,DSC和IOU测量.
主要成果:
- 在没有分类的情况下,SAM 2实现了优异的细分性能 (平均DSC:0.93,平均IOU:0.87).
- 仪器分类性能各不相同 (平均DSC:0.62-0.89,平均IOU:0.58-0.84),关节仪器的准确性较低.
- 错误的阳性检测是最小的,表明高特异性.
结论:
- 在没有大型训练数据集的情况下,SAM 2可以在TEES视频中准确识别手术仪器.
- 零射击细分显著降低了AI在手术中的临床实施障碍.
- 未来的工作重点应该是提高关节仪器的分类准确性,提高实时应用的处理速度.
