Clinical application of laparoscopic intraoperative ultrasound automatic main pancreatic ductidentificationmod

doi:10.3877/cma.j.issn.1674-6899.2024.05.007

Abstract

Abstract:

Objective

To summarize and analyze the application of the deep learning intraoperative ultrasound（IOUS） main pancreatic duct automatic recognition model in IOUS skill training for surgeons and assisting in the locating of the main pancreatic duct in minimally invasive pancreatic surgery.

Methods

Use the main pancreatic duct automatic recognition model to assist 18 trainees in learning the recognition of IOUS main pancreatic duct images and collect examination data； Prospectively enroll 120 cases of minimally invasive pancreatic surgery that plan to use IOUS to locate the main pancreatic duct. For surgical patients，an automatic main pancreatic duct recognition model was used to assist in locating the main pancreatic duct during the operation. IOUS operation time， main pancreatic duct positioning success rate and baseline data were collected for analysis.

Results

For trainees， model-assisted examination can improve accuracy and answer time （100% vs. 86%，P＜0.05， 6.6 min vs. 14.1 mins， P＜0.05）； Compared with the control group that does not use models， using deep learning model can improve the IOUS operation time （8.8 min vs. 13.6 min， P＜0.05） and localization success rate （96.6% vs. 81.6%，P＜0.05）.

Conclusion

The deep learning IOUS main pancreatic duct automatic recognition model based on deep learning can help surgeons master IOUS skills faster and better， and can improve the speed and success rate of locating main pancreatic duct， assisting in safe and effective minimally invasive pancreatic surgery.

Key words: Pancreas, Minimally invasive surgery, Intraoperative ultrasound, Main pancreatic duct, Deep learning model

Yi Zhao, Changtian Li, Wenbo Tang, Xueting Bai, Rong Liu. Clinical application of laparoscopic intraoperative ultrasound automatic main pancreatic ductidentificationmod[J]. Chinese Journal of Laparoscopic Surgery(Electronic Edition), 2024, 17(05): 290-294.

/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: https://zhqjwkzz.cma-cmc.com.cn/EN/10.3877/cma.j.issn.1674-6899.2024.05.007

https://zhqjwkzz.cma-cmc.com.cn/EN/Y2024/V17/I05/290

Figures/Tables 5

References 14

1	Liu R， Abu Hilal M， Besselink MG， et al. International consensus guidelines on robotic pancreatic surgery in 2023［J］. Hepatobiliary Surg Nutr， 2024， 13（1）：89-104.
2	Pfister M， Probst P， Müller PC， et al. Minimally invasive versus open pancreatic surgery： meta-analysis of randomized clinical trials［J］. BJS Open， 2023， 7（2）：zrad007.
3	Ei S， Mihaljevic AL， Kulu Y， et al. Enucleation for benign or borderline tumors of the pancreas： comparing open and minimally invasive surgery［J］. HPB （Oxford）， 2021， 23（6）：921-926.
4	Giuliani T， Marchegiani G， Girgis MD， et al. Endoscopic placement of pancreatic stent for “Deep” pancreatic enucleations operative technique and preliminary experience at two high-volume centers［J］. Surg Endosc， 2020， 34（6）：2796-2802.
5	Kolesnik O， Lukashenko A， Shudrak A， et al. Intraoperative ultrasonography in pancreatic surgery： staging and resection guidance［J］. Exp Oncol， 2015， 37（4）：285-291.
6	李昶田，唐文博，高元兴，等. 术中超声在胰管修复外科中的应用：4 例病例报道［J］. 腹腔镜外科杂志， 2022， 27（5）：391-395.
7	JM Ni，Mhuircheartaigh， MR Sun，等. 胰腺手术：多学科评价手术中超声的应用价值［J］. 国际医学放射学杂志， 2013， 3（v.36）：71.
8	李昶田，唐文博，柳俨哲，等.术中超声在机器人辅助胰腺良性-低度恶性肿瘤手术中的应用价值［J/CD］. 中华腔镜外科杂志（电子版）， 2022（2）：94-99.
9	Hagopian EJ， Zyromski NJ， Jeyarajah DR， et al. Mastery skill assessment in hepato-pancreato-biliary surgical ultrasound： it's a matter of entrustment［J］. Am J Surg， 2022， 223（5）：905-911.
10	胡明根，陈况，马奔，等.微创外科时代肝胆外科医师教学培养模式的探讨［J/CD］.中华腔镜外科杂志（电子版）， 2020， 13（2）：4.
11	Yang J， Shi X， Wang B， et al. Ultrasound image classification of thyroid nodules based on deep learning［J］. Front Oncol， 2022，12：905955.
12	Mǎmuleanu M， Urhut CM， Sǎndulescu LD， et al. Deep learning algorithms in the automatic segmentation of liver lesions in ultrasound investigations［J］. Life （Basel）， 2022， 12（11）：1877.
13	Zhang J， Zhu L， Yao L， et al. Deep learning-based pancreas segmentation and station recognition system in EUS： development and validation of a useful training tool （ with video）［ J］.Gastrointest Endosc， 2020， 92（4）：874-885.e3.
14	Tian G， Xu D， He Y， et al. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography［J］.Front Oncol， 2022， 12：973652.

	直接考核组	辅助考核组	P值
准确率	86%	100%	＜0.05
答题时间（SD，min）	14.1（5.6）	6.6（2.6）	＜0.05

	直接考核组	辅助考核组	P值
准确率	86%	100%	＜0.05
答题时间（SD，min）	14.1（5.6）	6.6（2.6）	＜0.05

	不使用模型组	使用模型组	P值
年龄（岁，范围）	43（22～75）	45（18～74）	0.93
BMI（kg/m²，SD）	24.12（5.3）	23.73（4.5）	0.66
性别（男）	23（38.3%）	22（36.7%）	0.99
病理诊断［例（%）］
胰腺导管内乳头状瘤	17（28.3）	19（31.6）	0.78
囊腺瘤	18（30.0）	12（20.0）
神经内分泌肿瘤	18（30.0）	20（33.3）
实性假乳头状瘤	5（8.3）	7（11.7）
其他	2（3.3）	2（3.3）
手术方式［例（%）］
局部切除/中段切除	53（88.3）	51（85）	0.85
远端胰腺切除	6（10.0）	8（13.3）
胰十二指肠切除	1（1.7）	0
其他	0	1（1.7）
主胰管直径［例（%）］
≤3 mm	41（68.3）	36（60.0）	0.34
＞3 mm	19（31.6）	24（40.0）
扫查时机
切割胰腺实质前	52（86.7）	56（93.3）	0.22
切割胰腺实质后	8（13.3）	4（6.7）
平均占位直径（SD，cm）	2.2（0.7）	2.4（0.8）	0.14
平均超声操作时间（SD，min）	13.6（5.5）	8.8（4.0）	＜0.05
主胰管定位成功［例（%）］	49（81.6）	58（96.6）	＜0.05

	不使用模型组	使用模型组	P值
年龄（岁，范围）	43（22～75）	45（18～74）	0.93
BMI（kg/m²，SD）	24.12（5.3）	23.73（4.5）	0.66
性别（男）	23（38.3%）	22（36.7%）	0.99
病理诊断［例（%）］
胰腺导管内乳头状瘤	17（28.3）	19（31.6）	0.78
囊腺瘤	18（30.0）	12（20.0）
神经内分泌肿瘤	18（30.0）	20（33.3）
实性假乳头状瘤	5（8.3）	7（11.7）
其他	2（3.3）	2（3.3）
手术方式［例（%）］
局部切除/中段切除	53（88.3）	51（85）	0.85
远端胰腺切除	6（10.0）	8（13.3）
胰十二指肠切除	1（1.7）	0
其他	0	1（1.7）
主胰管直径［例（%）］
≤3 mm	41（68.3）	36（60.0）	0.34
＞3 mm	19（31.6）	24（40.0）
扫查时机
切割胰腺实质前	52（86.7）	56（93.3）	0.22
切割胰腺实质后	8（13.3）	4（6.7）
平均占位直径（SD，cm）	2.2（0.7）	2.4（0.8）	0.14
平均超声操作时间（SD，min）	13.6（5.5）	8.8（4.0）	＜0.05
主胰管定位成功［例（%）］	49（81.6）	58（96.6）	＜0.05

	主胰管直径＜3 mm		主胰管直径＞3 mm			不使用模型组		使用模型组
	使用模型	不使用模型	使用模型	不使用模型	P值	使用模型	不使用模型	使用模型	不使用模型	P值
病例数［例（%）］	50（41.7）	48（40）	10（8.3）	12（20.0）	-	30（25）	30（25）	30（25）	30（25）	-
平均操作时间（SD，min）	9.0（4.8）	15.4（6.2）	7.6（2.8）	8.1（3.3）	＜0.05	11.8（5.2）	15.4（5.3）	8.5（3.4）	9.2（4.6）	＜0.05
定位成功［例（%）］	45（90.0）	40（83.3）	10（100）	12（100）	＜0.05	27（90）	22（73.3）	28（93.3）	30（100）	＜0.05

Please choose a citation manager

Content to export