Een prospectief observationeel onderzoek in meerdere centra naar computerondersteunde risicoperceptie en prognosevoorspelling in het hele proces van laparoscopische hepatobiliaire en pancreaschirurgie

Endoscopische chirurgie is de belangrijkste en meest gebruikte minimaal invasieve chirurgietechnologie op het gebied van de moderne chirurgie, vooral bij hepatobiliaire chirurgie, die een van de conventionele diagnose- en behandelmethoden van de chirurgie is geworden. Vergeleken met traditionele open chirurgie heeft het een kleiner trauma, een snellere hersteltijd en een lager aantal complicaties. Het beperkte gezichtsveld van chirurgische observatie, veroorzaakt door de smalle chirurgische ruimte en de moeilijkheid van onmiddellijke identificatie van belangrijke gebeurtenissen op het chirurgische toneel, vergroten echter de moeilijkheid en complexiteit van endoscopische chirurgie aanzienlijk. De veiligheid en werkzaamheid ervan hangen grotendeels af van de precieze perceptie van het complexe chirurgische veld en het vermogen om belangrijke gebeurtenissen tijdens de operatie af te handelen. Daarom is het, door moderne beeldverwerkingstechnologie en machine learning-algoritmen te combineren, bijzonder urgent om een ​​systeem te ontwikkelen dat realtime dynamische perceptie en veiligheidswaarschuwingen van endoscopische chirurgie kan bieden. Hoewel binnen- en buitenlandse wetenschappers veel onderzoek hebben gedaan naar endoscopische videodynamische perceptie en veiligheidswaarschuwing, richt het huidige onderzoek zich alleen op lokale problemen in het chirurgische proces. Traditionele beeldverwerkingstechnologie is vaak moeilijk om te voldoen aan de behoeften van zeer gevoelige realtime dynamische informatie over chirurgie. Het is moeilijk om een ​​efficiënte driedimensionale reconstructie van de chirurgische scène te bereiken. Het kan niet de belangrijkste anatomische structuurinformatie van menselijke organen bieden. , en het kan de belangrijkste gebeurtenissen in het bedieningsproces niet nauwkeurig detecteren. Voor endoscopische chirurgie is verder onderzoek dringend nodig om het videodynamische perceptie- en veiligheidswaarschuwingssysteem van endoscopische chirurgie te realiseren, en artsen te helpen veilige, nauwkeurige en efficiënte endoscopische chirurgie uit te voeren. Met de voortdurende vooruitgang van computergraphics en beeldtechnologie en machine learning-methoden zal het dynamische perceptie- en veiligheidssysteem voor vroegtijdige waarschuwing van endoscopische chirurgievideo de afgelopen jaren zich ontwikkelen in de richting van hogere automatisering en intelligentie. Toekomstig onderzoek kan zich richten op het verbeteren van de real-time en nauwkeurigheid van het algoritme, maar ook op de manier waarop kunstmatige intelligentietechnologie beter kan worden geïntegreerd in het klinische operatieproces, het realiseren van de real-time perceptie en veiligheidswaarschuwing van endoscopische chirurgie, en het verbeteren van de efficiëntie en veiligheid van chirurgie door de uitgebreide analyse en begrip van het endoscopische chirurgieproces. Vanwege de complexiteit en variabiliteit van de omgeving van endoscopische chirurgie is het moeilijk om de belangrijkste anatomische structuren van organen tijdens de operatie te identificeren, en dit is zeer afhankelijk van het subjectieve empirische oordeel van de chirurg. Er is een gebrek aan objectieve instructies. Het is vooral belangrijk om een ​​machine learning-methode te ontwikkelen die de belangrijkste anatomische structuren in realtime tijdens de operatie kan detecteren, waarnemen en herkennen. Tegelijkertijd is de workflow van endoscopische chirurgie fijn en complex, dus het is zeer noodzakelijk om de belangrijkste gebeurtenissen en activiteitsscènes in de video van endoscopische chirurgie uitgebreid te analyseren en te detecteren via het AI-hulpsysteem. Bovendien moet de realisatie van intraoperatieve augmented reality-operatienavigatie in verborgen doelgebieden worden uitgevoerd op basis van de nauwkeurige dynamische reconstructie van het orgaanoppervlak en niet-rigide registratieresultaten. Het complexe en smalle gezichtsveld van endoscopische video vermindert echter de nauwkeurigheid van niet-rigide registratie verder, waardoor augmented reality-ondersteunde endoscopische chirurgie uiterst uitdagend wordt. Concluderend: hoe het probleem van realtime dynamische perceptie en veiligheidswaarschuwing van endoscopische video kan worden opgelost, is de sleutel tot veilige, nauwkeurige en efficiënte endoscopische chirurgie in de kliniek. Door het onderzoek en de toepassing van endoscopische video-realtime dynamische perceptie en veiligheidswaarschuwingstechnologie kan het real-time dynamische perceptie, vroegtijdige waarschuwing van belangrijke gebeurtenissen, voorspelling van de locatie van onzichtbare laesies en andere besluitvormingsinformatie op verschillende niveaus realiseren. risicovolle en moeilijke endoscopische chirurgische processen, en artsen helpen om tijdens het operatieproces te "zien", "duidelijk te zien", "nauwkeurig te zien", om de efficiëntie en veiligheid van endoscopische chirurgie verder te verbeteren. Tegelijkertijd zal, op basis van de bovenstaande inhoud, het succes van de behandeling van enkele sleutelgebieden in de chirurgie een grote invloed hebben op de prognose van patiënten en de kwaliteit van leven van patiënten. Een ander doel van deze studie is om de incidentie, risicofactoren, preventie en behandeling van intra- en postoperatieve complicaties uitgebreider en objectiever te begrijpen na evaluatie in combinatie met chirurgische videoanalyse, om artsen een meer wetenschappelijk behandelplan en begeleiding te bieden.