用于医学成像的基于深度学习的自动语义细分模型的构建和效果验证

肝细胞癌（HCC）在中国是一种常见疾病。 它是该国第四大最常见的恶性肿瘤，也是与癌症相关死亡的第三大原因。 与其他肝脏，胆汁，胰腺和脾脏疾病一起，它对中国人口的生活和健康构成了严重威胁。 精确的器官切除技术以准确的术前成像和功能评估以及细致的手术手术为中心，已成为21世纪肝胆道手术的主流。 这些技术需要精确解剖肝内血管，胆道系统和胰腺导管系统，以在消除病变和保留器官正常功能的同时最大程度地减少对身体的创伤之间达到最佳平衡。 因此，术前计划中必须精心设计的关键问题包括：如何在保留正常组织和器官的同时最大化病变的去除？ 如何确保安全的手术边缘？ 如何控制手术期间的损害以确保术后残留组织功能的快速恢复？ 随着医学成像的发展和信息时代的出现，肝脏手术领域正在进入数字精密肝胆道手术时代。

通过腹腔镜切除精确的组织切除是成功进行肝胆管手术的先决条件。 与开放手术相比，腹腔镜手术具有较少的创伤，术后疼痛减轻和更快的康复等优点。 但是，腹腔镜手术还具有缺点，包括触觉反馈不足，手术空间有限，视野狭窄以及可操作性受限。 腹腔镜仪器的可见性和角度受到限制。 在遇到粘附或复杂情况时，腹腔镜手术会增加手术难度和延长手术时间。 因此，复杂的腹腔镜程序需要丰富的经验并具有陡峭的学习曲线。 如何帮助外科医生更安全，有效地进行手术，以及如何在培训期间提高学习成果，这是需要解决的问题。 有效学习和对手术视频的分析可能有助于改善外科医生的术中表现。

近年来，人工智能（AI）的进步导致计算机视觉（CV）在医学图像分析中的应用激增，包括手术视频。 腹腔镜外科手术会产生大量的手术视频数据，为增强腹腔镜外科手术简历技术提供了新的机会。 基于AI的CV技术可以利用这些外科视频数据来开发实时自动决策支持工具和外科培训系统，从而提供新的方向来解决腹腔镜手术的缺点。 AI系统可以识别各种重要任务的手术阶段，例如记录和分析不良事件，教育，统计以及评估手术表现。 目前，这些任务是由专业外科医生手动执行的，这非常耗时。 AI系统还可以执行场景细分，包括识别解剖结构和区域，以避免对关键结构损坏，并识别手术工具以防止事故。 不受控制的仪器运动可能会对相邻结构造成损害，并确定手术动作（例如缝合技术）可以帮助评估技能能力。 手术期间使用此类系统可以促进实时监测并帮助决策，潜在地提高安全性并改善患者的结果。 例如，实时援助系统可以提醒外科医生的解剖平面，错误的操纵或即将发生的并发症。

但是，深度学习模型在外科手术过程中的应用仍然存在一些缺点。 首先，手术阶段识别可以独立估计剩余的手术时间，有效地在手术室安排后勤时间，并为手术实习生提供信息丰富且有针对性的教育材料。 但是，目前关于手术期识别的研究仍然很难在临床上应用。 原因之一是AI模型识别手术阶段所需的视频持续时间通常太长了。 有限的培训数据和整体准确性的优化使AI识别较短的持续步骤的挑战。 通过改进的模型设计和新的注释标准，AI可以实现高精度的步骤识别，为进一步开发有价值的计算机辅助外科系统提供详细信息。

基于此，本研究旨在对2017年至2024年之间在南部医科大学的朱吉安医院进行的腹腔镜肝胆管和胰腺手术进行回顾性分析。 目的是研究对医学成像中的手术相位图像进行分类的深度学习模型的识别和验证，以及包括腹部CT和MRI在内的解剖结构，手术仪器和手术手势的语义分割。