采用人工智能的腹腔镜腹股沟疝修补术标志显示系统

TAPP 手术使用三个端口（5 毫米、5 毫米和 10 毫米）。为了缝合疝缺损，在腹腔内测量耻骨肌孔 (MPO) 的大小，并使用 3D 补片（Bard® 3D Max®（轻型），L 号，10.3 厘米 × 15.7 厘米，或 Bard® 3D Max®（轻型），M 号，7.9 厘米 × 13.4 厘米）。补片使用带钉子的装置进行固定。作者的手术技术在 5 至 6 个位置进行钉合，主要围绕左右下腹壁血管、腹直肌和 Cooper 韧带，使用可吸收钉进行钉合。腹膜瓣用缝线缝合。

解剖学解读
在腹腔镜下腹股沟区视图中，基于由三个标志——下腹壁血管 (IEPV)、输精管 (VD) 和性腺血管 (GV)——以及水平穿过腹股沟外环的髂耻束 (IPT) 形成的“倒 Y 形”结构，可以识别五个解剖区域（图 1）。“梯形”区域（ToD）是应避免神经损伤的区域，它通过这个“五三角”网格  间接识别（图 1）。因此，开发一个能够自动识别 IEPV、VD 和 GV 的模型，或许有助于识别 ToD。

图 1

右侧腹股沟疝。基于下腹壁血管 (I)、输精管 (V)、性腺血管 (G) 和肠道 (IPT) 形成的“倒 Y 形”，可以识别出五个解剖区域。区域 1 和 2 可以通过这个“五角形”网格清晰地识别，因此可以识别为“灾难梯形”(ToD)。

基于以 EfficientNet-B7 为主干的特征金字塔网络 (FPN) 架构的分割模型被应用于一个带注释的数据集，该数据集包含来自 10 个病例的 322 张图像，这些图像未用于训练。为了提高模型的稳健性，在预处理过程中应用了水平翻转和移位-缩放-旋转变换等数据增强技术。评估数据集包含 265 张 IEPV 图像、307 张 VD 图像和 309 张 GV 图像，所有图像均与内窥镜摄像机视图的参考注释进行了比较。

所开发的模型（图 2a、b）的 Dice 系数、精确度和召回率分别为：IEPV 0.70、0.86 和 0.60，VD 0.67、0.73 和 0.62，GV 0.68、0.85 和 0.57（表 2）。这些结果表明，在分割指定解剖标志方面达到了令人满意的准确度。

图 2.

预测结果。a 右侧腹股沟斜耻骨上口 (MPO) 原始图像。b 使用学习模型对右侧腹股沟疝进行分割的结果，显示三个解剖标志。蓝色：下腹壁血管 (IEPV)，红色：输精管 (VD)，绿色：性腺血管 (GV)（在线彩色图）