人工智能在微创外科手术中的应用研究进展2026.pptx

人工智能在微创外科手术中的应用研究进展

目术器械识别手术阶段识别手术动作识别解剖结构识别

手术器械识别

目标检测算法在手术器械识别中应用广泛，如YOLO模型用于胰腺、结肠和胃手术中器械的精确定位。深度学习模型如InceptionResNet和LightGBM用于腹腔镜乙状结肠切除术等手术阶段的分类，提高手术标准化。AI技术通过实时捕捉术中出血等不良事件，减少依赖人眼观察带来的偏差与遗漏，提升手术安全性。手术器械识别手术阶段识别不良事件监测目标检测算法应用

123语义分割模型优化通过改进YOLO目标检测模型，提高手术器械识别的精度。基于UNet架构的语义分割模型在机器人辅助部分肾切除术中表现出色。未来需通过多中心联邦学习提升数据多样性，构建动态增量学习框架。语义分割模型的改进UNet架构的应用多中心联邦学习

010203实例分割技术挑战AI模型在不同手术系统、器械型号及手术类型下的精度下降明显，需通过多中心联邦学习提升数据多样性。模型泛化性能挑战采用对抗式领域适应技术，以消除不同成像设备参数和手术程序差异对AI模型性能的影响。图像性质影响消除构建动态增量学习框架，提升模型在临床应用中的可靠性，以应对手术过程中的实时变化。动态增量学习框架构建

手术阶段识别

TITLEHERELC手术阶段划分LC手术阶段划分Cholec80数据集将LC划分为7个手术阶段，包括准备、Calot三角解剖、夹闭与切断、胆囊游离、胆囊牵引、清理与止血、胆囊装袋。MSTCN模型在LC阶段识别中的应用Golany等基于LC构建了一个有手术阶段及手术复杂度注释的多中心数据集，开发的MSTCN模型在手术阶段识别中取得了89.0%的平均准确率。PmNet模型在Pringle法肝蒂阻断操作中的细分Guo等将腹腔镜肝切除术中的Pringle法肝蒂阻断操作细分为5个步骤，并开发了PmNet模型，在该任务中的平均准确率为95.9%，可用于实时监控手术进程。

手术阶段识别实时技能评估系统术中进程监控在胃肠外科领域，手术阶段识别的研究进展迅速，通过深度学习模型实现对手术过程的自动化监控和评估。基于手术阶段识别技术的自动化手术技能评估系统，通过计算实际手术场景与标准化场景的相似度来评估手术质量。利用AI技术进行术中进程监控，提升手术室管理效率，并通过分析关键手术片段辅助技能评估。胃肠外科步骤识别

构建多中心数据集能够提高手术阶段识别模型的泛化能力，应对不同医疗机构间的差异。通过多中心联邦学习，增加数据多样性，有助于提升AI模型在临床应用中的可靠性和准确性。采用对抗式领域适应技术可以消除图像性质差异影响，增强模型在不同腹腔镜系统和手术类型间的适应性。多中心数据集的重要性数据多样性提升模型可靠性对抗式领域适应技术多中心数据集构建

手术动作识别

010203手术动作序列识别缝合动作手势分析手术动作三元组识别通过深度学习模型，自动识别和分类微创手术视频中的16种典型手术动作。利用卷积LSTM模型，进一步细分并识别机器人辅助根治性前列腺切除术中的5种缝合手势。构建动作三元组数据集，开发模型识别手术视频中器械、动作与解剖结构之间的交互关系。动作序列分析

010203动作三元组构建手术动作三元组器械动作解剖结构，如抓钳牵拉胆囊，是AI识别和分析手术动作的重要概念。通过标注LC手术视频中的器械、手术动作和目标解剖结构，构建动作三元组数据集CholecT50，用于识别和分析。现有算法在动作三元组整体识别的精度上仍有较大的提升空间，需要进一步优化算法以充分发挥AI的应用潜力。动作三元组的定义动作三元组的构建动作三元组识别的挑战

通过极坐标系统和APRGMM模型，解析腹腔镜手术视频中的器械运动路径。开发APRGMM模型对手术器械在3至12秒内的轨迹进行实时预测，提高手术精度。利用轨迹预测辅助外科医师优化操作路径，降低失误风险，提升术中决策能力。手术器械轨迹分析实时轨迹预测动态决策支持动作轨迹预测

解剖结构识别

01”02”03”胆囊及周边结构识别Glissonean肝蒂和静脉识别胆管结构实时识别肝胆胰外科关键结构识别利用深度学习模型对胆囊、胆囊管、胆囊动脉等进行分割和识别，提高手术安全性。通过语义分割模型识别腹腔镜左肝外叶切除术中的左侧Glissonean肝蒂和左肝静脉，提升手术精度。采用Deeplabv3+模型在全腹腔镜供肝切取术中识别完整胆管结构，确保手术顺利进行。

AI模型在胃肠外科中用于识别腹壁、结肠、肠系膜下动脉等11类解剖器官和结构，展现了SegFormer模型的应用潜力。解剖结构识别Deeplabv3+模型被用于识别腹腔镜全直肠系膜切除术中的手术层面，有助于提高手术操作的准确性和效率。手术层面识别UNet模