相关实验视频
Updated: Feb 19, 2026
13:01
Modified Single-Loop Reconstruction for Pancreaticoduodenectomy
Published on: September 28, 2019
8.1K
构建和验证高精度注释数据集,用于开发腹腔镜胰腺手术中智能关键静脉识别模型
Hu Zhou1,2, Lu Ping1, Ruohan Cui2
1Department of General Surgery, State Key Laboratory of Complex, Severe, and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College, Beijing, China.
Frontiers in surgery
|February 18, 2026
概括
这项研究创建了人工智能驱动的血管识别在腹腔镜胰腺手术中的第一个大型数据集. 该资源有助于开发人工智能工具,以实现更安全的外科手术程序.
科学领域:
- 医疗成像医学成像
- 在外科手术中使用人工智能
- 外科教育的外科教育
背景情况:
- 腹腔镜外科手术提供了最小侵入性的好处.
- 在腹腔镜中血管识别和剖析具有的学习曲线.
- 人工智能显示了外科教育和实时协助的潜力,但缺乏用于血管识别的专用数据集.
研究的目的:
- 开发和发布第一个大规模的,专家注释的数据集,用于腹腔镜胰腺手术中的手术内血管识别.
- 在这种外科背景下建立基于AI的静脉细分模型的基准.
主要方法:
- 收集了23个腹腔镜远距离胰腺切除术和胰腺双切除术手术的视频.
- 专家外科医生用精确的时间注释了关键静脉结构 (SMV,PV,SV).
- 以每秒1的速度提取来创建一个图像数据集.
- 使用高分辨率网络 (HRNet) 和完全卷积网络 (FCN) 开发了一个初步的细分模型.
主要成果:
- 创建了一个由19003个注释组成的公开可用的数据集.
- 基线细分模型在测试组中实现了79.6%的回忆,95.8%的精度和0.69的子系数.
结论:
- 该研究提出了第一个大型,专家注释的数据集,用于腹腔镜胰腺手术静脉细分.
- 这一数据集和基准性能将有助于开发人工智能辅助的血管识别工具.
- 该资源支持人工智能的进步,以实现更安全,更有效的腹腔镜手术.
