一个基于人工智能的图像识别模型,使用氨酸绿色胆血管学来识别在微创胆囊切除术期间的肝囊三角形
Jong-Uk Hou1, Tae Yoo2, Seong Wook Park1
1Division of Software Hallym University South Korea.
概括
使用ICG-NIRC的AI模型准确地识别了胆囊切除术期间的肝囊三角形,帮助外科医生预防胆管损伤. 这项技术通过在剖析前预测关键解剖学来提高外科安全性.
科学领域:
- 手术创新 在外科创新.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 微创性胆囊切除术是一种常见的手术,具有对肝囊细胞三角形产生阳性损伤的风险.
- 需要客观的方法来防止手术期间的解剖损伤.
研究的目的:
- 开发一种人工智能图像识别模型,用于识别肝囊三角形.
- 使用基于绿 (ICG) 的近红外胆血管学 (NIRC) 进行手术内可视化.
主要方法:
- 用YOLOv5s物体检测模型进行了解剖学里程碑预测.
- 200个胆囊切除术视频产生了3796张用于培训 (2979) 和验证 (817) 的图像.
- 用ICG增强的图像进行了注释,以训练人工智能模型预测肝囊细胞三角形.
主要成果:
- 人工智能模型实现了0.859.9的平均精度得分.
- 对于非最大抑制 (NMS) 算法,确定了0.6的最优的IoU值.
- 该模型有效地为预测的解剖学地标生成了边界框.
结论:
- 一个利用手术内ICG-NIRC的AI模型成功预测了肝囊三角形的位置.
- 这种工具显示出在胆囊切除术期间预防胆道损伤的潜力.
- 该模型在剖析前预测胆道位置的能力为临床实用性提供了帮助.
更多相关视频
14:56Application of Indocyanine Green Fluorescence Imaging Technology in Laparoscopic Duodenum-Preserving Pancreatic Head Resection
Published on: November 21, 2025
247
04:02Laparoscopic Cholecystectomy with Indocyanine Green Fluorescence: Choledochoscopic Stone Extraction and Primary Duct Suture
Published on: November 25, 2025
485
