基于视频分割AI模型的腹腔镜肝脏切除术中实时解剖结构识别

《npj Digital Medicine》：Real-time anatomy recognition in laparoscopic liver resection using video segmentation AI model

　　

摘要

由于肝脏内血管结构复杂且多变、手术视野受限以及缺乏触觉反馈，腹腔镜下肝脏切除术面临诸多挑战，这些因素都会增加术中损伤的风险。因此，准确识别解剖结构对于安全进行此类手术至关重要。本研究探讨了基于Mamba架构的视频分割模型Vivim——该架构是一种状态空间模型，结合了变换器的长距离依赖建模能力与循环网络的效率优势。在包含45段视频、15,865帧标注数据的多中心数据集上测试，Vivim在分割Glissonean动脉干和肝静脉方面表现优于多种基于图像和视频的基准模型，包括U-Net、DeepLab v3+、nnU-Net、FPN + EfficientNetV2-L、SegFormer、ConvLSTM-U-Net、ViViT以及SegFormer + T-Mamba。借助Mamba的选择性扫描特性和线性复杂度，Vivim在单目标及多目标分割任务中的Dice分数分别达到0.71和0.66，同时还能以25帧/秒的速度实现实时推理。该模型在跨中心的外部测试集上展现出较强的泛化能力，也能有效应对手术中的常见挑战。经过13名外科医生的临床验证，Vivim提升了血管识别的速度和准确性，有助于术中决策。尽管在区分相似血管方面仍存在困难，但这一基于Mamba的框架为人工智能辅助手术导航带来了希望，有望实现实验室级精度与临床应用可靠性的结合。