基于YOLOv8的术中手术器械实时识别优化研究：机器人辅助腹腔手术中的精准AI应用

为解决手术器械精准识别难题以推动术中人工智能(AI)系统发展，研究人员开展YOLOv8模型在机器人辅助腹腔手术中的器械识别研究。通过整合4个多源数据集（7400+帧图像，17175个标注），模型实现二元检测mAP 0.77、多器械分类mAP 0.72，分割任务中Dice系数达0.91，推理速度1.12毫秒/帧，证实其具备临床实时应用潜力。

　　精准识别手术器械是推动术中人工智能(AI)系统发展的关键。这项研究评估了YOLOv8模型在机器人辅助腹部手术中识别机器人/腹腔镜器械的效能，重点测试其对7类手术器械的检测、分类和分割能力。研究团队整合了4个公开与私有数据源，构建包含7400+帧图像和17175个标注的多样化数据集。结果显示：YOLOv8在二元检测任务中平均精度(mAP)达0.77，多器械分类mAP为0.72；当单类器械训练样本达1300例时性能最优。分割任务表现尤为突出，平均Dice系数0.91，平均交并比(IoU)0.86，其中单极弯剪(Monopolar Curved Scissors)识别精度最高。值得注意的是，模型对机器人器械的识别优于腹腔镜器械，推测与训练集中机器人器械占比更高有关。1.12毫秒/帧的闪电级推理速度，充分彰显其临床实时应用价值。这些发现证实了YOLOv8基于多源数据集实现手术器械精准高效识别的巨大潜力。