基于单切口腹腔镜胆囊切除术(Single-Incision Laparoscopic Cholecystectomy, SILC)手术视频利用人工智能进行自动化手术阶段识别与分析

《Surgical Endoscopy》：Automated surgical phase recognition and analysis in single-incision laparoscopic cholecystectomy using artificial intelligence

　　

背景(Background)：单切口腹腔镜胆囊切除术(Single-Incision Laparoscopic Cholecystectomy, SILC)相比传统多孔腹腔镜胆囊切除术技术难度更高、学习曲线更陡峭。基于深度学习(Deep Learning, DL)的SILC手术阶段识别与预测系统有助于手术质量评估、提升培训效率及保障手术安全。研究人员旨在开发一套针对SILC的多中心手术阶段识别与预测系统。 方法(Methods)：本研究纳入来自两家医学中心的148例SILC手术视频。由外科医生对视频进行标注，基于122例视频开发深度学习模型，并在另外26例视频中通过与外科医生标注的真实基准(Ground Truth)对比测试模型性能。模型训练用于识别SILC手术阶段，采用准确率(Accuracy)、精确率(Precision)、召回率(Recall)及杰卡德指数(Jaccard Index)评估阶段分类性能；手术阶段预测采用平均绝对误差(Mean Absolute Error, MAE)的变体进行评估。 结果(Results)：分析的SILC视频平均手术时长为14.36 min，各病例间存在较大变异。Trans-SVNet模型在手术阶段分类中表现出色，总体准确率、精确率及召回率分别为0.933、0.939和0.939。在阶段转换预测方面，模型的整体inMAE为37 s，eMAE为34 s，pMAE为50 s。值得注意的是，增加训练样本量可显著提升模型性能。 结论(Conclusions)：研究人员成功构建了Trans-SVNet模型，可实现全长SILC视频中手术阶段的自动分类与时间预测。经持续完善后，人工智能有望应用于大规模手术数据分析，实现具临床价值的未来应用。

《利用Trans-SVNet对单切口腹腔镜胆囊切除术视频进行自动化手术阶段识别与分析》论文解读

一、研究背景与立题依据

单切口腹腔镜胆囊切除术（Single-Incision Laparoscopic Cholecystectomy, SILC）是治疗良性胆囊疾病的先进微创术式，具有术后疼痛轻、美容效果好及住院时间短等优势，但其操作技术要求高于传统三孔或四孔腹腔镜胆囊切除术（Laparoscopic Cholecystectomy, LC），学习曲线更陡峭。手术流程建模（Surgical Process Modeling, SPM）可通过划分明确的手术阶段辅助手术分析与教学，近年来基于深度学习（Deep Learning, DL）的图像识别技术已逐步应用于常规LC的手术阶段识别（Surgical Phase Recognition）、剩余手术时间预测及技能评估。然而，SILC省去了穿刺器（Trocar）置入步骤，且胆囊常可直接经单切口取出而无需取物袋，其手术流程、视觉场景及阶段顺序与传统LC存在显著差异，既往针对传统LC的研究成果无法直接迁移至SILC。因此，研究人员开展此项研究，旨在开发并验证一种基于深度学习的SILC全自动手术阶段识别与预测系统，以服务于手术质量评估、规范化培训及术中决策支持。该论文发表于《Surgical Endoscopy》。

二、主要关键技术方法

研究人员收集浙江大学医学院附属第二医院（SAHZU）与同济大学附属东方医院（EH）共148例SILC全段手术视频（含20例非充气法SILC，排除传统多孔LC），按约5:1划分为训练集（122例）与测试集（26例），由两名外科医生共识标注为6个手术阶段：P0其他(Other)、P1准备(Preparation)、P2胆囊三角解剖分离(Dissection of Calot's triangle)、P3夹闭与切断(Clipping and cutting)、P4胆囊床剥离(Gallbladder dissection)、P5胆囊取出清理与止血(Gallbladder retrieval, cleaning, and coagulation)。视频以1秒间隔抽帧得127,496张图像，预处理缩放至512×512像素并行随机裁剪、水平翻转及色彩抖动。核心模型Trans-SVNet采用分阶段训练策略：先用ResNet50作为视觉编码器（Visual Encoder）提取空间特征，再训练时序卷积网络（Temporal Convolutional Network, TCN）捕捉时序依赖，最后冻结上述两者参数，以拼接特征输入Transformer模块进行时空特征融合（Hybrid Vector Aggregation）。阶段分类以One-hot编码计算准确率(Accuracy)、精确率(Precision)、召回率(Recall)及杰卡德相似系数(Jaccard Index)；阶段预测以线性插值得倒计时标签，采用区间内平均绝对误差(inMAE)、终末平均绝对误差(eMAE)及预测侧平均绝对误差(pMAE)评估。实验基于PyTorch 1.12.1框架、NVIDIA Tesla V100 32 GB GPU完成。

三、研究结果

Statistics used to analyze the SILC videos（SILC视频时长与阶段统计分析）

研究人员对148例SILC视频进行统计，平均手术时长为14.36 ± 6.55 min。六阶段中P3（夹闭与切断）耗时最长（平均3.47 ± 2.42 min），P0（其他，含建立气腹等）最短（平均0.51 ± 0.69 min）。SILC较传统LC总时长偏短，主要因无Trocar穿刺步骤及胆囊可经单切口直接取出，且入组病例炎症粘连较轻、Calot三角解剖清晰，且均由Tang和Hu两位术者完成。

Results of the surgical phase classification and prediction（手术阶段分类与预测结果）

当训练样本由60例增至122例时，模型性能显著提升。以122例训练、26例测试的最终结果为例：Trans-SVNet对测试集21,484帧图像的总体阶段分类准确率(Accuracy)达0.933，精确率(Precision)为0.939，召回率(Recall)为0.939，各阶段杰卡德指数良好。阶段预测任务中，整体inMAE为37 s，专注于临近转换期的eMAE为34 s，pMAE为50 s。P2（胆囊三角解剖）与P3（夹闭切断）因视觉重叠大、转换边界模糊（P2终点常以P3开始界定而非独立明显动作），虽样本量最多但仍为最难区分的阶段。

四、讨论与结论总结

讨论指出，Trans-SVNet引入Transformer的自注意力机制（Self-Attention Mechanism），通过时空矢量提取与混合特征聚合联合优化，克服了传统CNN+LSTM/TCN流水线中空间信息稀释与扩张卷积致时序线索丢失的问题，分类性能指标优于已报道的同类LC阶段识别研究。SILC短时长特性及P2/P3难区分问题在讨论中被明确归因。作者提出未来可通过扩大多中心、多术者、多年龄层样本，探索更先进网络架构，或合并P2与P3为单一阶段以简化分类任务。该模型可自动索引提取SILC关键手术片段，辅助基于视频的外科技能评估（如OSCE、OCHRA框架），并可结合解剖结构分割、安全视野（Critical View of Safety, CVS）验证等模块支持术中决策。局限性为目前仅含两中心两名术者数据，以及P2/P3边界主观模糊影响判别。

结论（Conclusions）翻译：

研究人员成功开发了Trans-SVNet模型，可实现全长单切口腹腔镜胆囊切除术（SILC）视频中手术阶段的自动分类与时序预测。借助混合矢量聚合Transformer（Hybrid Vector Aggregation Transformer）技术，该方法有望用于实时术中手术阶段识别，提升手术流程效率。为使该系统向医疗器械注册审批迈进，后续将开展严格的临床性能评价，识别并解决确保其安全、有效整合入日常临床实践的关键挑战。