科研团队实现轻量化AI赋能术中影像引导

不日，中邦科学院深圳先辈本事推敲院梁晓坤等联络复旦大学隶属华山病院吴劲松团队、襄阳市中央病院蔡强团队、澳门大学黄志文团队及湖北文理学院晏涛团队，正在《NPJ 数字医学》揭晓最新推敲成就。

推敲团队提出轻量化及时实例瓜分框架 EndoSeg-RT，可正在庞大术中情况下完毕闭节剖解构造的精准识别与及时瓜分，为智能化微创手术导航与术中辅助决定供给了新计划。联系数据集与代码已公然。

脊柱内镜本事因创伤小、复原疾等上风，已通常行使于微创脊柱外科。然而，术中内镜视野渺小，常陪同高光反射、烟雾、出血遮挡及构制范围含混等庞大环境，医师需火速确凿识别黄韧带、神经、骨构制及脂肪构制等闭节构造，以低落术中危机。现有的深度练习手法虽正在医学影像分解中得到发展，但正在脊柱内镜场景下仍面对及时性不敷、小倾向识别贫困及摆设本钱上等题目。

针对上述挑拨，推敲团队提出了轻量化及时脊柱内镜实例瓜分框架 EndoSeg-RT。该框架从主干汇集、特质调和颈部汇集以及瓜分头三个层面举办协同优化，通过引入重参数化卷积与高效众标准小心力机制，正在保障高精度的同时明显低落推理延迟。同时，打算双分支特质调和模块，深化跨标准新闻交互与范围细节外达，晋升对藐小神经构造及庞大构制范围的识别才略，更合用于实正在术中及时摆设场景。

为验证模子机能，推敲团队修筑了临床标注的 PELD 脊柱内镜实例瓜分数据集。该数据集来历于襄阳市中央病院61例经皮椎间孔镜腰椎间盘切除术患者，共包罗610张1080×720差别率的脊柱内镜图像，并对脂肪构制、骨构制、黄韧带和神经构造举办了像素级实例标注。数据标注由具有充分履历的脊柱外科医师合伙杀青，并过程专家审核，保障了数据质料和临床牢靠性。

测验结果阐明，EndoSeg-RT 正在保留极低谋划庞大度的同时，完毕了优异的瓜分机能。比拟古代两阶段模子，EndoSeg-RT 正在保留高精度的同时大幅低落了模子范畴与谋划开销，更适合摆设于术中就业站或角落配置。（来历：中邦科学报 刁雯蕙）