文献类型：期刊文章

作　　者：花苏榕[1] 王智弘[2] 高俊义[1] 王晶[3] 贺光琳[4] 韩显林[1] 陈革[1] 廖泉[1]

Hua Surong;Wang Zhihong;Gao Junyi;Wang Jing;He Guanglin;Han Xianlin;Chen Ge;Liao Quan(Department of General Surgery,Peking Union Medical College Hospital,Chinese Academy of Medical Sciences,Beijing 100730,China;Peking Union Medical College Hospital,Beijing 100730,China;Hangzhou Hikvision Digital Technology Co.,Ltd.,Hangzhou 310052,China;Hangzhou Hikimaging Technology Co.,Ltd.,Hangzhou 310052,China)

机构地区：[1]中国医学科学院北京协和医院基本外科,北京100730 [2]中国医学科学院北京协和医学院,北京100730 [3]杭州海康威视数字技术股份有限公司,杭州310052 [4]杭州海康慧影科技有限公司,杭州310052

出　　处：《中华内分泌外科杂志》

基　　金：中央高校基本科研业务费专项资金资助(3332019020);清华大学—北京协和医院自主科研联合资助项目(PTQH201911015)。

年　　份：2022

卷　　号：16

期　　号：1

起止页码：5-11

语　　种：中文

收录情况：CAS、ZGKJHX、普通刊

摘　　要：目的喉返神经(recurrent laryngeal nerve,RLN)是腔镜甲状腺手术中需重点识别和保护的结构。本研究旨在探索深度学习技术识别RLN在经腋窝入路腔镜甲状腺手术中的应用价值。方法收集2020年7月1日至2021年5月1日在北京协和医院基本外科操作的,留存了完整视频资料的经腋窝入路腔镜甲状腺手术录像。两位资深甲状腺外科医师选取其中包含RLN的视频片段,经过训练的标注人员对RLN的轮廓进行描绘标注,并经两位甲状腺外科医师审校确认。视频资料用随机数方法按照5∶1的比例分为训练集及测试集,并根据RLN与周围组织的辨识度分为高、中、低辨识度。采用基于PSPNet的语义分割模型进行训练,使用ResNet50作为主干网络提取特征,同时结合金字塔池化模型融合多尺度特征,最终根据交并比(insertion over union,IOU)评判深度学习神经网络对RLN具体位置预测的能力。所有资料使用R 4.0.2版本分析。结果共38个视频中累计35501帧图像纳入本研究,其中32个视频共29704帧图像作为训练集,6个视频共5797帧图像作为测试集。当IOU阈值设为0.1时,模型在高、中、低辨识度组中的灵敏度和精确率分别达到了100.0%/92.1%、95.8%/80.2%及81.0%/80.6%。而当IOU阈值提高到0.5时(代表有效定位RLN),灵敏度和精确率则分别为92.6%/85.3%、71.7%/60.5%及38.1%/37.9%。这说明本模型在辨识度中高时可很好地提示RLN的位置和走行。漏检通常因目标过小、边界不明确所致。结论基于深度学习的人工智能RLN识别在腔镜甲状腺手术视频中是可行的,有潜在的应用价值,有可能帮助外科医生降低手术中误损伤风险,提高手术安全性。

关 键 词：喉返神经 腔镜甲状腺手术 人工智能 深度学习  

分 类 号：R653] R736.1[临床医学类]