의료 영상을위한 딥 러닝 기반 자동 시맨틱 세분화 모델의 구성 및 효과 검증

간세포 암종 (HCC)은 중국에서 흔한 질병입니다. 그것은 네 번째로 흔한 악성 종양으로, 암 관련 사망의 세 번째 주요 원인으로 평가됩니다. 다른 간, 담즙, 췌장 및 비장 질환과 함께 중국 인구의 삶과 건강에 심각한 위협이됩니다. 정확한 수술 전 영상화 및 기능적 평가 및 세심한 외과 수술을 중심으로 한 정확한 장기 절제 기술은 21 세기에 간장 수술의 주류가되었습니다. 이러한 기술은 간내 혈관, 담즙 시스템 및 췌장 혈통 덕트 시스템의 정확한 해부를 필요로합니다. 병변을 근절하고 기관의 정상적인 기능을 보존하면서 병변을 근절하는 것 사이의 최적의 균형을 달성하기 위해 최적의 균형을 달성해야합니다. 따라서 수술 전 계획에서 신중하게 설계 해야하는 주요 질문은 다음과 같습니다. 정상 조직 및 기관을 보존하는 동안 병변 제거를 극대화하는 방법? 안전한 외과 마진을 보장하는 방법? 수술 후 잔류 조직 기능의 빠른 회복을 보장하기 위해 수술 중 손상을 조절하는 방법? 의료 영상의 발달과 정보 시대의 출현으로 간 수술 분야는 디지털 정밀 간 형환 수술의 시대에 들어갑니다.

복강경 검사를 통한 정확한 조직 절제술은 성공적인 간장 수술을위한 전제 조건입니다. 개방 수술과 비교할 때 복강경 수술은 외상 덜 외상, 수술 후 통증 감소 및 더 빠른 회복과 같은 장점을 제공합니다. 그러나 복강경 수술에는 불충분 한 촉각 피드백, 제한된 수술 공간, 시력의 좁은 분야 및 제한된 기동성을 포함한 단점이 있습니다. 복강경기구의 가시성과 각도는 제한적입니다. 접착력 또는 복잡한 상황에 직면 할 때 복강경 수술은 수술 난이도를 증가시키고 수술 시간을 연장 할 수 있습니다. 따라서 복잡한 복강경 절차에는 광범위한 경험이 필요하며 가파른 학습 곡선이 필요합니다. 외과 의사가 수술을보다 안전하고 효과적으로 수행하는 데 도움을주는 방법뿐만 아니라 훈련 중에 학습 결과를 향상시키는 방법은 해결해야 할 문제를 해결하는 방법입니다. 외과 적 비디오의 효율적인 학습 및 분석은 외과 의사의 수술 중 성과를 향상시키는 데 도움이 될 수 있습니다.

최근 몇 년 동안 인공 지능 (AI)의 발전으로 인해 수술 비디오를 포함한 의료 이미지 분석에서 컴퓨터 비전 (CV)의 적용이 급증했습니다. 복강경 수술은 다량의 수술 비디오 데이터를 생성하여 복강경 수술 CV 기술을 향상시킬 수있는 새로운 기회를 제공합니다. AI 기반 CV 기술은 이러한 외과 적 비디오 데이터를 활용하여 실시간 자동화 된 의사 결정 지원 도구 및 수술 훈련 시스템을 개발하여 복강경 수술의 단점을 해결하기위한 새로운 방향을 제공 할 수 있습니다. AI 시스템은 부작용, 교육, 통계 및 수술 성능 평가와 같은 다양한 중요한 작업에 대한 외과 단계를 식별 할 수 있습니다. 현재 이러한 작업은 전문 외과 의사에 의해 수동으로 수행되며, 이는 매우 시간이 많이 걸립니다. AI 시스템은 또한 중요한 구조의 손상을 피하기 위해 해부학 적 구조 및 영역을 식별하고 사고를 예방하기위한 수술기구를 인식하는 등 장면 세분화를 수행 할 수 있습니다. 통제되지 않은 기기 움직임은 인접한 구조물에 손상을 일으킬 수 있으며, 수술 작용 (예 : 봉합 기술)을 식별하면 기술 능력을 평가하는 데 도움이 될 수 있습니다. 수술 중에 이러한 시스템을 사용하면 실시간 모니터링을 용이하게하고 의사 결정을 돕고 안전을 향상시키고 환자 결과를 향상시킬 수 있습니다. 예를 들어, 실시간 지원 시스템은 외과 의사에게 잘못된 해부 평면, 잘못된 기동 또는 임박한 합병증을 경고 할 수 있습니다.

그러나 수술 절차에서 딥 러닝 모델의 적용에는 여전히 약간의 단점이 있습니다. 첫째, 외과상의 단계 인식은 남은 수술 시간을 독립적으로 추정하여 수술실에서 물류를 효과적으로 배열하고 유익하고 대상 교육 자료를 수술 인턴에게 제공 할 수 있습니다. 그러나 수술 상 인식에 대한 현재 연구는 여전히 임상 적으로 적용하기가 어렵다. 한 가지 이유는 AI 모델이 수술 단계를 인식하는 데 필요한 비디오 지속 시간이 종종 너무 길기 때문입니다. 제한된 교육 데이터와 전반적인 정확도 최적화로 인해 AI가 짧은 기간 단계를 인식하는 데 어려움이 있습니다. 개선 된 모델 설계와 새로운 주석 표준을 통해 AI는 고정밀 단계 인식을 달성하여 소중한 컴퓨터 보조 수술 시스템의 추가 개발을위한 자세한 정보를 제공 할 수 있습니다.

이에 근거하여, 본 연구는 2017 년에서 2024 년 사이에 남부 의과 대학 Zhujiang 병원에서 수행 된 복강경 간 형환 및 췌장 수술과 관련된 사례에 대한 후 향적 분석을 수행하는 것을 목표로한다. 목표는 의료 영상에서 외과상의 단계 이미지를 분류하기위한 딥 러닝 모델의 인식 및 검증뿐만 아니라 복부 CT 및 MRI를 포함한 해부학 적 구조, 수술기구 및 수술 제스처의 의미 론적 세분화를위한 조사하는 것입니다.