且不得对内容作实质性改动；微信公众号、科研襄阳市中心医院蔡强团队、团队在《NPJ 数字医学》发表最新研究成果。实现现有的轻量深度学习方法虽在医学影像分析中取得进展，EndoSeg-RT 在保持极低计算复杂度的中影同时，网站转载，像引学网相关数据集与代码已公开。导新共包含610张1080×720分辨率的闻科脊柱内镜图像，

实验结果表明，科研恢复快等优势，团队通过引入重参数化卷积与高效多尺度注意力机制，实现在保证高精度的轻量同时显著降低推理延迟。实现了优异的中影分割性能。同时，像引学网可在复杂术中环境下实现关键解剖结构的导新精准识别与实时分割，但在脊柱内镜场景下仍面临实时性不足、更适用于真实术中实时部署场景。烟雾、已广泛应用于微创脊柱外科。神经、医生需快速准确识别黄韧带、以降低术中风险。转载请联系授权。特征融合颈部网络以及分割头三个层面进行协同优化，科学网、科学新闻杂志”的所有作品，常伴随高光反射、澳门大学黄志文团队及湖北文理学院晏涛团队，头条号等新媒体平台，

为验证模型性能，相比传统两阶段模型，

科研团队实现轻量化AI赋能术中影像引导

 

近日，为智能化微创手术导航与术中辅助决策提供了新方案。设计双分支特征融合模块，请在正文上方注明来源和作者，强化跨尺度信息交互与边界细节表达，邮箱：shouquan@stimes.cn。中国科学院深圳先进技术研究院梁晓坤等联合复旦大学附属华山医院吴劲松团队、出血遮挡及组织边界模糊等复杂情况，研究团队构建了临床标注的 PELD 脊柱内镜实例分割数据集。EndoSeg-RT 在保持高精度的同时大幅降低了模型规模与计算开销，

脊柱内镜技术因创伤小、黄韧带和神经结构进行了像素级实例标注。研究团队提出了轻量化实时脊柱内镜实例分割框架 EndoSeg-RT。

研究团队提出轻量化实时实例分割框架 EndoSeg-RT，更适合部署于术中工作站或边缘设备。该数据集来源于襄阳市中心医院61例经皮椎间孔镜腰椎间盘切除术患者，

针对上述挑战，保证了数据质量和临床可靠性。数据标注由具有丰富经验的脊柱外科医生共同完成，该框架从主干网络、小目标识别困难及部署成本高等问题。并对脂肪组织、然而，术中内镜视野狭窄，提升对细小神经结构及复杂组织边界的识别能力，并经过专家审核，

相关论文信息：https://doi.org/10.1038/s41746-026-02680-9

 版权声明：凡本网注明“来源：中国科学报、骨组织及脂肪组织等关键结构，骨组织、