論文の概要: TeCNO: Surgical Phase Recognition with Multi-Stage Temporal Convolutional Networks

• arxiv url: http://arxiv.org/abs/2003.10751v1
• Date: Tue, 24 Mar 2020 10:12:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 08:51:15.327046
• Title: TeCNO: Surgical Phase Recognition with Multi-Stage Temporal Convolutional Networks
• Title（参考訳）: tecno : 多段時相畳み込みネットワークを用いた手術相認識
• Authors: Tobias Czempiel, Magdalini Paschali, Matthias Keicher, Walter Simson, Hubertus Feussner, Seong Tae Kim, Nassir Navab
• Abstract要約: 外科的位相認識のための階層的予測補正を行う多段階時間畳み込みネットワーク(MS-TCN)を提案する。 本手法は腹腔鏡下胆嚢摘出術ビデオの2つのデータセットに対して,追加の外科的ツール情報を用いずに徹底的に評価した。
• 参考スコア（独自算出の注目度）: 43.95869213955351
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic surgical phase recognition is a challenging and crucial task with the potential to improve patient safety and become an integral part of intra-operative decision-support systems. In this paper, we propose, for the first time in workflow analysis, a Multi-Stage Temporal Convolutional Network (MS-TCN) that performs hierarchical prediction refinement for surgical phase recognition. Causal, dilated convolutions allow for a large receptive field and online inference with smooth predictions even during ambiguous transitions. Our method is thoroughly evaluated on two datasets of laparoscopic cholecystectomy videos with and without the use of additional surgical tool information. Outperforming various state-of-the-art LSTM approaches, we verify the suitability of the proposed causal MS-TCN for surgical phase recognition.
• Abstract（参考訳）: 手術段階の自動認識は、患者の安全性を向上し、術中意思決定支援システムの不可欠な部分となる可能性を持つ、挑戦的で重要な課題である。 本稿では,外科的位相認識のための階層的予測改善を行う多段階時間畳み込みネットワーク(MS-TCN)をワークフロー解析において初めて提案する。 因果的、拡張された畳み込みにより、曖昧な遷移の間であっても、大きな受容領域とオンライン推論が可能となる。 本手法は腹腔鏡下胆嚢摘出術ビデオの2つのデータに対して,追加の手術用ツール情報を用いずに徹底的に評価した。 各種の最先端LSTM法より, 外科的位相認識のための因果MS-TCNの有効性を検証した。

関連論文リスト

• SPRMamba: Surgical Phase Recognition for Endoscopic Submucosal Dissection with Mamba [4.37495931705689]
  本研究では,ESD外科的位相認識のための新しいマンバベースのフレームワークであるSPRMambaを提案する。 本研究では,SPRMambaが既存の最先端手法を超越し,各種の外科的位相認識タスクにおいてより堅牢性を示すことを示す。
  論文  参考訳（メタデータ） (2024-09-18T16:26:56Z)
• SuPRA: Surgical Phase Recognition and Anticipation for Intra-Operative Planning [46.57714869178571]
  本稿では,手術段階を同時に認識し,次の手術段階を予測する2つのアプローチを提案する。 外科的位相認識・予測法(SuPRA)は,過去と現在の情報を正確な術中位相認識に活用する。
  論文  参考訳（メタデータ） (2024-03-10T12:46:33Z)
• Hypergraph-Transformer (HGT) for Interactive Event Prediction in Laparoscopic and Robotic Surgery [50.3022015601057]
  腹腔内ビデオから外科的ワークフローの重要なインタラクティブな側面を理解し,予測できる予測型ニューラルネットワークを提案する。 我々は,既存の手術用データセットとアプリケーションに対するアプローチを検証し,アクション・トリプレットの検出と予測を行った。 この結果は、非構造的な代替案と比較して、我々のアプローチの優位性を示している。
  論文  参考訳（メタデータ） (2024-02-03T00:58:05Z)
• Friends Across Time: Multi-Scale Action Segmentation Transformer for Surgical Phase Recognition [2.10407185597278]
  オフライン手術相認識のためのMS-AST(Multi-Scale Action Causal Transformer)とオンライン手術相認識のためのMS-ASCT(Multi-Scale Action Causal Transformer)を提案する。 オンラインおよびオフラインの外科的位相認識のためのColec80データセットでは,95.26%,96.15%の精度が得られる。
  論文  参考訳（メタデータ） (2024-01-22T01:34:03Z)
• Surgical Temporal Action-aware Network with Sequence Regularization for Phase Recognition [28.52533700429284]
  本稿では,STAR-Netと命名されたシークエンス正規化を施した手術時行動認識ネットワークを提案する。 MS-STAモジュールは、視覚的特徴と2Dネットワークを犠牲にして、手術行動の空間的および時間的知識を統合する。 我々のSTAR-Net with MS-STA and DSR can exploit of visual features of surgery action with effective regularization, which to the excellent performance of surgery phase recognition。
  論文  参考訳（メタデータ） (2023-11-21T13:43:16Z)
• Phase-Specific Augmented Reality Guidance for Microscopic Cataract Surgery Using Long-Short Spatiotemporal Aggregation Transformer [14.568834378003707]
  乳化白内障手術(英: Phaemulsification cataract surgery, PCS)は、外科顕微鏡を用いた外科手術である。 PCS誘導システムは、手術用顕微鏡映像から貴重な情報を抽出し、熟練度を高める。 既存のPCSガイダンスシステムでは、位相特異なガイダンスに悩まされ、冗長な視覚情報に繋がる。 本稿では,認識された手術段階に対応するAR情報を提供する,新しい位相特異的拡張現実(AR)誘導システムを提案する。
  論文  参考訳（メタデータ） (2023-09-11T02:56:56Z)
• GLSFormer : Gated - Long, Short Sequence Transformer for Step Recognition in Surgical Videos [57.93194315839009]
  本稿では,シーケンスレベルのパッチから時間的特徴を直接学習するための視覚変換器に基づくアプローチを提案する。 本研究では,白内障手術用ビデオデータセットである白内障-101とD99に対するアプローチを広範に評価し,各種の最先端手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-20T17:57:04Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• Surgical Phase Recognition in Laparoscopic Cholecystectomy [57.929132269036245]
  本稿では,2段階推論パイプラインのキャリブレーションされた信頼度スコアを利用するTransformerに基づく手法を提案する。 提案手法はColec80データセットのベースラインモデルよりも優れており,様々なアクションセグメンテーション手法に適用できる。
  論文  参考訳（メタデータ） (2022-06-14T22:55:31Z)
• Aggregating Long-Term Context for Learning Laparoscopic and Robot-Assisted Surgical Workflows [40.48632897750319]
  本稿では,タスク固有のネットワーク表現を利用した時間的ネットワーク構造を提案する。 腹腔鏡下胆嚢摘出術を施行した。
  論文  参考訳（メタデータ） (2020-09-01T20:29:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。