Blog

May 15, 2024

Il set di dati di anatomia chirurgica di Dresda per la segmentazione degli organi addominali nella scienza dei dati chirurgici

Dati scientifici volume 10, Numero articolo: 3 (2023) Cita questo articolo 6020 Accessi 2 Citazioni 29 Dettagli metriche altmetriche La laparoscopia è una tecnica di imaging che consente di eseguire procedure mini-invasive

Dati scientifici volume 10, numero articolo: 3 (2023) Citare questo articolo

6020 accessi

2 citazioni

29 Altmetrico

Dettagli sulle metriche

La laparoscopia è una tecnica di imaging che consente procedure minimamente invasive in varie discipline mediche, tra cui chirurgia addominale, ginecologia e urologia. Ad oggi, i set di dati di immagini laparoscopiche disponibili al pubblico sono per lo più limitati a classificazioni generali di dati, segmentazioni semantiche di strumenti chirurgici e annotazioni deboli a basso volume di specifici organi addominali. Il set di dati di anatomia chirurgica di Dresda fornisce segmentazioni semantiche di otto organi addominali (colon, fegato, pancreas, intestino tenue, milza, stomaco, uretere, ghiandole vescicolari), della parete addominale e di due strutture vascolari (arteria mesenterica inferiore, vene intestinali) in vista laparoscopica . In totale, questo set di dati comprende 13195 immagini laparoscopiche. Per ogni struttura anatomica forniamo oltre mille immagini con segmentazioni in pixel. Le annotazioni comprendono segmentazioni semantiche di singoli organi e un set di dati di segmentazione multiorgano comprendente segmenti per tutte le undici strutture anatomiche. Inoltre, forniamo deboli annotazioni sulla presenza di organi per ogni singola immagine. Questo set di dati amplia notevolmente l’orizzonte delle applicazioni di scienza dei dati chirurgici della visione artificiale nella chirurgia laparoscopica e potrebbe quindi contribuire a una riduzione dei rischi e a una più rapida traduzione dell’intelligenza artificiale nella pratica chirurgica.

Misurazione(i)

Chirurgia laparoscopica

Tipi di tecnologia

Laparoscopia

Tipi di fattori

Presenza e localizzazione delle strutture anatomiche all'interno delle immagini laparoscopiche

Caratteristica del campione: organismo

Un uomo saggio

Caratteristica del campione - Ambiente

addome

Caratteristica del campione: posizione

cavità addominale

La chirurgia laparoscopica è una tecnica comunemente utilizzata che facilita le procedure chirurgiche minimamente invasive così come la chirurgia assistita da robot e comporta numerosi vantaggi rispetto alla chirurgia a cielo aperto: durata ridotta della degenza ospedaliera, minore perdita di sangue, recupero più rapido, migliore visione chirurgica e, soprattutto per procedure robotiche, controllo più intuitivo e preciso degli strumenti chirurgici1,2. Nel frattempo, molte delle informazioni contenute nell'immagine non vengono utilizzate, perché l'attenzione umana non è in grado di elaborare questa immensa quantità di informazioni in tempo reale. Inoltre, per interpretare le immagini sono necessarie conoscenze anatomiche ed esperienza medica. Questa barriera rappresenta un punto di partenza promettente per lo sviluppo di funzioni di assistenza computerizzate basate sull’intelligenza artificiale (AI).

I metodi e le tecniche in rapido sviluppo forniti dall’uso dell’intelligenza artificiale, più precisamente il riconoscimento automatizzato di strumenti, organi e altre strutture anatomiche in immagini o video laparoscopici, hanno il potenziale per rendere le procedure chirurgiche più sicure e meno dispendiose in termini di tempo3,4,5, 6. I set di dati di immagini laparoscopiche open source sono limitati e i set di dati esistenti come Cholec807, LapGyn48, SurgAI9 o Heidelberg Colorectal Data Set10 comprendono principalmente annotazioni a livello di immagine che consentono all'utente di distinguere se la struttura di interesse è mostrata o meno in un'immagine senza fornendo informazioni sulla sua specifica posizione spaziale e aspetto. Tuttavia, tali annotazioni in termini di pixel sono necessarie per una varietà di attività di apprendimento automatico per il riconoscimento delle immagini nel contesto della scienza dei dati chirurgici11. In ambito clinico, tali algoritmi potrebbero facilitare il riconoscimento dipendente dal contesto e quindi la protezione delle strutture anatomiche vulnerabili, con l’obiettivo finale di aumentare la sicurezza chirurgica e la prevenzione delle complicanze.

Uno dei principali ostacoli nello sviluppo e nell’applicazione clinica di tali funzioni di assistenza basate sull’intelligenza artificiale è la disponibilità di dati di immagini laparoscopiche annotati. Per affrontare questa sfida, forniamo segmentazioni semantiche che forniscono informazioni sulla posizione di una struttura specifica tramite annotazioni su ciascun pixel di un'immagine. Basato sui dati video di 32 resezioni o estirpazioni rettali assistite da robot, questo set di dati offre un totale di 13195 immagini laparoscopiche ampiamente annotate che mostrano diversi organi intraddominali (colon, fegato, pancreas, intestino tenue, milza, stomaco, uretere, ghiandole vescicolari) e strutture anatomiche (parete addominale, arteria mesenterica inferiore, vene intestinali). Per una rappresentazione realistica dei comuni ostacoli laparoscopici, presenta vari livelli di visibilità degli organi, tra cui parti di organi piccole o parzialmente coperte, artefatti da movimento, illuminazione disomogenea e fumo o sangue nel campo visivo. Inoltre, il set di dati contiene etichette deboli di visibilità degli organi per ogni singola immagine.