Development of a Computer Vision System for Stone Segmentation During CVAC 2.0 In-Scope Aspiration Ureteroscopy
本文介绍了 StoneClear 的开发与验证，这是一种人工智能驱动的计算机视觉系统，该系统在 CVAC 2.0 辅助下输尿管镜检查过程中，能够高精度地检测并进行残余结石碎片的像素级分割，从而为实时术中评估结石清除情况奠定了坚实基础。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
肾结石是数百万患者面临的一种顽固且痛苦的问题。当结石在肾脏内部形成时，医生通常会使用一根通过体内穿入的细长、柔性的摄像头，将结石粉碎成粉末并将其冲洗掉。目标是使肾脏完全清空，但在手术过程中确认这一点却出人意料地困难。人体内的视野经常被血液、灌注液以及破碎石块产生的旋转粉尘所遮蔽，形成一种“雪暴”现象，从而掩盖了微小的碎片。即使使用了旨在清除这些碎屑的高级吸引工具，外科医生仍需依靠自己的眼睛来判断工作是否完成。这种主观判断可能会出现偏差，导致微小的石块残留在体内，并在日后生长成新的、痛苦的阻塞。
为了解决这一问题，纽约长老会威康医学院（New York Presbyterian Weill Cornell Medicine）的一个研究小组开发了一种名为 StoneClear 的新型计算机系统。该系统充当了外科医生的“第二双眼睛”，利用人工智能观察来自摄像头的实时视频流，并自动识别任何残留的结石碎片。研究人员使用十名接受过特定类型手术的患者视频对该系统进行了训练，这些手术使用了 CVAC 2.0 设备——这是一种结合了激光破碎、直接视觉和强力吸引以移除石块碎屑的工具。团队要求专家级泌尿科医生仔细标注数千帧视频，在他们能看到的每一个结石碎片周围绘制精确的轮廓，并识别出那些即便存在血块或气泡等干扰因素也并不存在结石的帧。
该计算机系统学习了按顺序执行两项任务。首先，它扮演“守门员”的角色，仅仅决定当前图像中是否存在结石。如果它检测到结石，它随后会扮演“轮廓绘制者”的角色，在像素级别上绘制出结石的详细边界，以展示其确切位置。这个两步走的过程至关重要，因为视频环境非常混乱：吸引作用产生了快速移动的电流，使结石看似忽现忽隐，且吸引管本身也经常遮挡部分视线。研究人员使用了一种方法对系统进行了测试，即利用大部分患者数据进行训练，然后在剩余病例上检查其性能，以确保它能够应对新的、未见过的场景。
结果显示，该系统在区分清晰视野与含有结石碎片的视野方面非常有效。在近 93% 的视频帧中，StoneClear 正确识别了结石的存在与否。当结石可见时，系统的数字轮廓与专家医生的手工绘图具有高度的重叠度，表明它能够精准定位碎屑的确切位置和形状。或许更重要的一点是，该系统在避免误报方面比标准的计算机视觉模型表现得更好。如果没有这个特殊的“守门员”步骤，其他 AI 模型会在超过四分之三的清晰帧中，误将反射、血液或气泡识别为结石。StoneClear 显著降低了这种错误率，使误报变得罕见。
这项工作证明了人工智能可以在复杂的吸引辅助手术过程中，提供可靠的实时检查。该系统并不能取代术后扫描（术后扫描仍是确认患者无结石的金标准），但它能在手术进行期间为外科医生提供一个强大的工具。通过在高动态、快速移动的肾脏环境中凸显可能被忽略的碎片，这项技术有助于外科医生更客观地验证他们的工作。研究证实，只要设计得当，计算机就能学会看透手术中的视觉噪声，为确保肾脏真正排空结石提供一条更清晰的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。