训练人工智能识别手术步骤在基于显微镜的中脑动脉动脉瘤剪切视频中
Jonathan A Tangsrivimol1,2, Jiuxu Chen3, Thomas J On1
1The Loyal and Edith Davis Neurosurgical Research Laboratory, Barrow Neurological Institute, St. Joseph's Hospital and Medical Center, Phoenix, Arizona, USA.
Operative neurosurgery (Hagerstown, Md.)
|March 4, 2026
概括
这项研究开发了一个卷积神经网络 (CNN) 模型,在中脑动脉 (MCA) 动脉瘤剪切过程中自动识别手术步骤. 美国有线电视新闻网长期短期记忆模型显示了微神经外科手术中自动化手术阶段识别的可行性.
科学领域:
- 神经外科 神经外科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 中脑动脉 (MCA) 动脉瘤剪切的微神经外科手术缺乏自动化工作流分析.
- 卷积神经网络 (CNN) 模型对于识别MCA动脉瘤剪切过程中的程序步骤是必要的.
研究的目的:
- 开发和评估CNN长期短期记忆模型,用于自动识别MCA动脉瘤剪切中的手术步骤.
- 评估微神经外科手术中自动化手术阶段识别的可行性.
主要方法:
- 追溯收集了42个MCA动脉瘤剪辑视频.
- 确定了12个关键的外科手术步骤和绿色视频血管学.
- 从25个视频 (38,517) 中进行注释和取 (1/秒).
- 使用18个视频进行训练和7个视频进行测试,构建CNN长期短期记忆模型.
主要成果:
- 该模型实现了不同步骤的高准确性,如西尔维亚裂分裂 (F1分数83.3%) 和ICG视频血管学 (F1分数97.9%).
- 短暂或不频繁的步骤,如M1段准备 (F1得分10.4%) 和闭塞确认 (F1得分2.3%) 的准确性较低.
- 总的宏观平均结果:精度79.8%,回忆36.9%,F1得分44.0%.
结论:
- 从微神经外科手术视频中识别MCA动脉瘤剪切的步骤,CNN长期短期记忆方法是可行的.
- 有针对性的数据收集和精细的注释可以提高模型性能.
- 自动化手术阶段识别在住院培训和操作视频分析中具有潜在的应用.
