Konstrukční a efekt ověření hlubokého modelu sémantického segmentace založeného na učení pro lékařské zobrazování

Hepatocelulární karcinom (HCC) je v Číně běžným onemocněním. Řadí se jako čtvrtý nejběžnější maligní nádor a třetí hlavní příčina úmrtí souvisejících s rakovinou v zemi. Spolu s jinými játry, biliárními, pankreatickými a splenickými chorobami představuje vážnou hrozbu pro životy a zdraví čínské populace. Přesné techniky resekce orgánů, soustředěné na přesné předoperační zobrazování a funkční hodnocení, jakož i pečlivé chirurgické operace, se v 21. století staly hlavním proudem v hepatobiliární chirurgii. Tyto techniky vyžadují přesnou pitvu intrahepatických krevních cév, biliárního systému a systému pankreatic-splenického potrubí, aby se dosáhlo optimální rovnováhy mezi eradikováním lézí a zachováním normální funkce orgánů a zároveň minimalizovala trauma k tělu. Klíčové otázky, které musí být pečlivě navrženy při předoperačním plánování, proto zahrnují: jak maximalizovat odstranění lézí při zachování normálních tkání a orgánů? Jak zajistit bezpečné chirurgické marže? Jak kontrolovat poškození během chirurgického zákroku, aby se zajistilo rychlé zotavení funkce zbytkové tkáně po operaci? S rozvojem lékařského zobrazování a příchodem informačního věku vstupuje oblast chirurgie jater do éry digitální přesné hepatobiliární chirurgie.

Přesná resekce tkáně laparoskopií je předpokladem pro úspěšnou hepatobiliární chirurgii. Ve srovnání s otevřenou chirurgií nabízí laparoskopická chirurgie výhody, jako je menší trauma, snížená pooperační bolest a rychlejší zotavení. Laparoskopická chirurgie však má také nevýhody, včetně nedostatečné taktilní zpětné vazby, omezeného chirurgického prostoru, úzkého zorného pole a omezené manévrovatelnosti. Viditelnost a úhly laparoskopických nástrojů jsou omezené. Při setkání s adhezemi nebo složitými situacemi může laparoskopická chirurgie zvýšit provozní potíže a prodloužit chirurgickou dobu. Složité laparoskopické postupy proto vyžadují rozsáhlé zkušenosti a mají strmou křivku učení. Jak pomáhat chirurgům při provádění operací bezpečnější a efektivněji, a také jak zlepšit výsledky učení během tréninku, naléhavě jsou problémy, které je třeba řešit. Efektivní učení a analýza chirurgických videí může pomoci zlepšit intraoperační výkon chirurgů.

V posledních letech vedl pokrok v umělé inteligenci (AI) k nárůstu aplikace počítačového vidění (CV) v analýze lékařských obrazu, včetně chirurgických videí. Laparoskopická chirurgie generuje velké množství údajů o chirurgickém videu a poskytuje novou příležitost pro zlepšení laparoskopické chirurgické technologie CV. Technologie CV založená na umělé inteligenci může využít tato data chirurgického videa k vývoji automatizovaných nástrojů pro podporu rozhodování a chirurgické výcvikové systémy v reálném čase a nabídnout nové pokyny pro řešení nedostatků laparoskopické chirurgie. Systémy AI mohou identifikovat chirurgické fáze pro různé důležité úkoly, jako je zaznamenávání a analýza nežádoucích účinků, vzdělávání, statistiky a hodnocení chirurgického výkonu. V současné době jsou tyto úkoly prováděny ručně specializovanými chirurgové, což je velmi časově náročné. Systémy AI mohou také provádět segmentaci scény, včetně identifikace anatomických struktur a oblastí, aby se zabránilo poškození kritických struktur, a také rozpoznávání chirurgických nástrojů, aby se zabránilo nehodám. Nekontrolované pohyby nástroje mohou způsobit poškození sousedních struktur a identifikace chirurgických akcí (např. Techniky šití) může pomoci posoudit schopnost dovedností. Použití takových systémů během chirurgického zákroku může usnadnit monitorování v reálném čase a pomáhat rozhodování, potenciálně zvýšit bezpečnost a zlepšit výsledky pacienta. Například systémy asistence v reálném čase mohou upozornit chirurgy na nesprávná anatomická roviny, chybné manévry nebo hrozící komplikace.

Aplikace hlubokých učebních modelů v chirurgických postupech však má stále některé nedostatky. Zaprvé, rozpoznávání chirurgické fáze může nezávisle odhadnout zbývající chirurgický čas, účinně uspořádat logistiku v operačním sále a poskytnout chirurgickým stážistům informativní a cílené vzdělávací materiály. Současný výzkum rozpoznávání chirurgické fáze je však stále obtížné klinicky aplikovat. Jedním z důvodů je, že doba trvání videa potřebná pro modely AI k rozpoznání chirurgických fází je často příliš dlouhá. Omezené údaje o školení a optimalizace celkové přesnosti způsobují, že AI je náročné rozpoznat kroky kratšího trvání. Díky vylepšenému návrhu modelu a nových anotačních standardů může AI dosáhnout vysoce přesného rozpoznávání kroků a poskytnout podrobné informace pro další rozvoj cenných počítačově podporovaných chirurgických systémů.

Cílem této studie je na základě tohoto studie provést retrospektivní analýzu případů zahrnujících laparoskopické hepatobiliární a pankreatické operace provedené v nemocnici Zhujiang na jižní lékařské univerzitě v letech 2017 až 2024. Cílem je prozkoumat rozpoznávání a validaci modelů hlubokého učení pro klasifikaci obrazů chirurgických fází v lékařském zobrazování, jakož i pro sémantickou segmentaci anatomických struktur, chirurgických nástrojů a chirurgických gest, včetně břišního CT a MRI.