AI识别“Shamrock征”：深度学习正在辅助腰丛神经阻滞

超声引导让腰丛神经阻滞更可视，但并没有让复杂解剖自动变得简单。2026年6月发表于《Computer Assisted Surgery》的研究提出 DMRNet，用深度学习对 Shamrock 视图中的肌肉、骨性结构与腰丛神经进行分割，目标是为麻醉医生提供实时解剖识别辅助。

研究做了什么？

腰丛通常位于腰大肌后部，超声图像存在散斑、边界模糊和个体差异。研究团队构建了动态多尺度残差网络，并引入多尺度扩张、注意力残差、边界感知等模块，让模型同时关注整体结构和细小边缘。

在研究数据集上，模型对目标结构的平均交并比（mIoU）达到 0.863，平均 Dice 系数达到 0.926，优于论文中比较的其他模型。

对麻醉临床意味着什么？

这类系统最现实的定位不是“自动穿刺”，而是第二双眼睛：在操作者扫查时提示腰大肌、横突和神经可能所在区域；在教学中帮助初学者建立图像与解剖的对应关系；还可为操作质控和标准化记录提供结构化数据。

仍要警惕什么？

论文报告的是图像分割性能，而不是阻滞成功率、并发症或患者结局。单中心数据、设备差异、肥胖和解剖变异都可能造成模型漂移。真正进入临床前，还需多中心外部验证、实时延迟测试，以及明确“模型提示错误时由谁负责”。

一句话总结：AI正在把“看懂超声”变成可计算的任务，但针尖路径与临床判断仍必须掌握在麻醉医生手中。

参考文献：Cui H, et al. DMRNet: a dynamic multi-scale residual network for Shamrock view and lumbar plexus segmentation. 2026. DOI｜PubMed

本文用于医学信息交流，不构成个体诊疗建议。