人工智能与腹腔镜胃癌手术
01
02
新手外科医生与AiLES的性能指标比较。
总结
03
2. 数据集构建与标注方法的重要性：构建高质量的数据集和选择合适的标注方法，对人工智能模型的临床实用性至关重要。这项研究采用了多边形方法标注IAM病灶，并从100个LE视频中构建了一个包含5,111个帧的高质量IAM数据集，为模型的训练和验证提供了坚实的基础。
3. 研究的局限性与未来展望：目前的数据集在IAM病变分布上存在不平衡，且仅来自GC手术，限制了AiLES模型在其他类型腹部肿瘤手术中的推广。未来需要扩充IAM数据集，使各种转移位置的分布更加均衡，并进行多中心和多设备验证，以提高模型的通用性和稳健性，进一步推动人工智能技术在外科手术中的应用。
参考资料：
1.Smyth, E. C., Nilsson, M., Grabsch, H. I., van Grieken, N. C. & Lordick, F. Gastric cancer. Lancet 396, 635–648 (2020).
2.Sung, H. et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J. Clin. 71, 209–249 (2021).
【关于投稿】返回搜狐，查看更多