外科的ガイダンスの強化：リアルタイムの超音波ビデオフレームでのディープラーニングベースの肝臓容器セグメンテーション

背景/目的：外科医学の分野では、肝臓切除手順の計画と実行は、主に肝臓血管解剖学の複雑で高度に個別化された性質に起因する恐ろしい課題を提示します。現在の外科的環境では、術中超音波検査（IOU）が不可欠になっています。ただし、従来の2D超音波イメージングの解釈可能性は、ノイズおよびスペックルアーティファクトによって妨げられています。肝切除中の保存のための重要な構造の正確な識別には、高度な外科的スキルが必要です。 方法：下Vena Cava（IVC）を含む容器の検出と認識に役立つAIベースのモデル。右（RHV）、中央（MHV）、および左（LVH）肝静脈。ポータル静脈（PV）とその第1次および2次は、左門脈（LPV）、右門脈（RPV）、および右前（RAPV）および後部（RPPV）ポータル静脈を分岐します。肝臓手術では大きな価値があります。この研究の目的は、リアルタイムのIousビデオフレームでの複数の血管のセグメンテーションのために「2D-Weigthed U-Netモデル」という革新的なAIベースのアプローチを適用することにより、Ious誘導介入の能力を前進させることを目的としています。 結果：提案されたディープラーニング（DL）モデルは、IVCで0.92、RHVで0.90、MHVで0.89、PVで0.86、LPVで0.93、RPVで0.84、RAPVで0.85、0.96RPPVの場合。 結論：将来、この研究は、肝臓の拡張血管系のリアルタイムマルチラベルセグメンテーションのために拡張され、その後、私たちのモデルが手術スイートに翻訳されます。

BACKGROUND/OBJECTIVES: In the field of surgical medicine, the planning and execution of liver resection procedures present formidable challenges, primarily attributable to the intricate and highly individualized nature of liver vascular anatomy. In the current surgical milieu, intraoperative ultrasonography (IOUS) has become indispensable; however, traditional 2D ultrasound imaging's interpretability is hindered by noise and speckle artifacts. Accurate identification of critical structures for preservation during hepatectomy requires advanced surgical skills. METHODS: An AI-based model that can help detect and recognize vessels including the inferior vena cava (IVC); the right (RHV), middle (MHV), and left (LVH) hepatic veins; the portal vein (PV) and its major first and second order branches the left portal vein (LPV), right portal vein (RPV), and right anterior (RAPV) and posterior (RPPV) portal veins, for real-time IOUS navigation can be of immense value in liver surgery. This research aims to advance the capabilities of IOUS-guided interventions by applying an innovative AI-based approach named the "2D-weigthed U-Net model" for the segmentation of multiple blood vessels in real-time IOUS video frames. RESULTS: Our proposed deep learning (DL) model achieved a mean Dice score of 0.92 for IVC, 0.90 for RHV, 0.89 for MHV, 0.86 for LHV, 0.95 for PV, 0.93 for LPV, 0.84 for RPV, 0.85 for RAPV, and 0.96 for RPPV. CONCLUSION: In the future, this research will be extended for real-time multi-label segmentation of extended vasculature in the liver, followed by the translation of our model into the surgical suite.