结直肠手术中荧光血管造影分类——初步报告
图像与视频处理
2022-06-14 v1 计算机视觉与模式识别
摘要
背景：荧光血管造影在通过让外科医生选择灌注最优的组织以减少吻合口漏方面显示出非常有前景的结果。然而，荧光信号的主观解读仍阻碍该技术的广泛应用，因为不同外科医生间存在显著差异。我们的目的是开发一种人工智能算法，基于术中荧光血管造影数据将结肠组织分类为“灌注”或“未灌注”。方法：一个具有Resnet架构的分类模型在一家三级转诊中心的结直肠癌切除荧光血管造影视频数据集上训练。对应于结肠荧光与非荧光段的帧用于训练分类算法。使用未参与训练集的患者帧进行验证，包括使用相同设备采集的数据和使用不同相机采集的数据。计算性能指标，并使用显著图进一步分析输出。基于组织分类确定决策边界。结果：一个卷积神经网络成功地在来自7名患者的1790帧上训练，并在来自14名患者的24帧上验证。训练集准确率为100%，验证集为80%。训练集召回率与精确率分别为100%和100%，验证集为68.8%和91.7%。结论：术中荧光血管造影的自动化分类可高精度实现，并允许自动决策边界识别。这将使外科医生能够标准化荧光血管造影技术。已提供一个基于网络的app来部署该算法。
引用
@article{arxiv.2206.05935,
title = {Fluorescence angiography classification in colorectal surgery -- A preliminary report},
author = {Antonio S Soares and Sophia Bano and Neil T Clancy and Laurence B Lovat and Danail Stoyanov and Manish Chand},
journal= {arXiv preprint arXiv:2206.05935},
year = {2022}
}