Fugu-MT 論文翻訳(概要): DAISI: Database for AI Surgical Instruction

論文の概要: DAISI: Database for AI Surgical Instruction

arxiv url: http://arxiv.org/abs/2004.02809v1
Date: Sun, 22 Mar 2020 22:07:43 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 05:14:11.117175
Title: DAISI: Database for AI Surgical Instruction
Title（参考訳）: DAISI:AI外科教育のためのデータベース
Authors: Edgar Rojas-Mu\~noz, Kyle Couperus and Juan Wachs
Abstract要約: 手術を行う外科医のテレメンタリングは、in situの専門知識が得られない場合、患者の治療に不可欠である。メンターが利用できない場合、フォールバックの自律的なメカニズムは、医療従事者に必要なガイダンスを提供する必要がある。本研究はAI外科教育のための最初のデータベース(DAISI)である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Telementoring surgeons as they perform surgery can be essential in the treatment of patients when in situ expertise is not available. Nonetheless, expert mentors are often unavailable to provide trainees with real-time medical guidance. When mentors are unavailable, a fallback autonomous mechanism should provide medical practitioners with the required guidance. However, AI/autonomous mentoring in medicine has been limited by the availability of generalizable prediction models, and surgical procedures datasets to train those models with. This work presents the initial steps towards the development of an intelligent artificial system for autonomous medical mentoring. Specifically, we present the first Database for AI Surgical Instruction (DAISI). DAISI leverages on images and instructions to provide step-by-step demonstrations of how to perform procedures from various medical disciplines. The dataset was acquired from real surgical procedures and data from academic textbooks. We used DAISI to train an encoder-decoder neural network capable of predicting medical instructions given a current view of the surgery. Afterwards, the instructions predicted by the network were evaluated using cumulative BLEU scores and input from expert physicians. According to the BLEU scores, the predicted and ground truth instructions were as high as 67% similar. Additionally, expert physicians subjectively assessed the algorithm using Likert scale, and considered that the predicted descriptions were related to the images. This work provides a baseline for AI algorithms to assist in autonomous medical mentoring.
Abstract（参考訳）: 手術を行うテレメンタリング外科医は、現場での専門知識が得られない場合、患者の治療に不可欠である。それでも、専門家のメンターは、訓練生にリアルタイムの医療指導を提供することができないことが多い。メンターが使用できない場合、フォールバック自律機構は医療従事者に必要なガイダンスを提供する。しかし、医療におけるai/自律的メンタリングは、一般化可能な予測モデルとそれらのモデルを訓練するための手術手順データセットの可用性によって制限されている。本研究は,自律医療指導のための知的人工システムの開発に向けた最初のステップを示す。具体的には,第1回AI手術指導データベース(DAISI)を紹介する。 DAISIは画像と指示を利用して、様々な医学分野から手順を実行する方法をステップバイステップで示す。データセットは実際の手術手順と学術教科書から取得した。我々はDAISIを用いて,手術の現在の展望から医療指導を予測することができるエンコーダ・デコーダニューラルネットワークを訓練した。その後,ネットワークによって予測される指示は累積ブレウスコアと専門家医師からのインプットを用いて評価された。 BLEUのスコアによると、予測された真実命令と地上の真実命令は67%まで類似していた。さらに、専門家医師は、ワートスケールを用いてアルゴリズムを主観的に評価し、予測された記述が画像と関連していると考えた。この作業は、自律的な医療指導を支援するAIアルゴリズムのベースラインを提供する。

関連論文リスト

Toward a Surgeon-in-the-Loop Ophthalmic Robotic Apprentice using Reinforcement and Imitation Learning [18.72371138886818]
眼内白内障手術における外科医中心の自律エージェントに対する画像誘導アプローチを提案する。外科医の行動と嗜好をトレーニングプロセスに統合することにより、ロボットは個々の外科医のユニークなテクニックを暗黙的に学習し、適応することができる。
論文参考訳（メタデータ） (2023-11-29T15:00:06Z)
Auditing for Human Expertise [12.967730957018688]
我々は、この問題を自然仮説テストとして適用できる統計的枠組みを開発する。本稿では,専門家の予測が興味ある結果から統計的に独立しているかどうかを判定する簡単な手順を提案する。我々のテストの拒絶は、人間の専門家が利用可能なデータに基づいてトレーニングされたアルゴリズムに価値を付加する可能性を示唆している。
論文参考訳（メタデータ） (2023-06-02T16:15:24Z)
Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
SurgLoc 2022 チャレンジの結果を示す。目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
論文参考訳（メタデータ） (2023-05-11T21:44:39Z)
Towards Medical Artificial General Intelligence via Knowledge-Enhanced Multimodal Pretraining [121.89793208683625]
医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
論文参考訳（メタデータ） (2023-04-26T01:26:19Z)
Live image-based neurosurgical guidance and roadmap generation using unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。 166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文参考訳（メタデータ） (2023-03-31T12:52:24Z)
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。ブタ前眼の精度と再現性について実験を行った。
論文参考訳（メタデータ） (2023-01-17T21:41:21Z)
Before and After: Machine learning for perioperative patient care [0.0]
学際的レビューは、コンピュータサイエンスと看護の橋を架けることを目的としている。手術前後の患者のケアにおける機械学習とデータ処理の方法を概説し分類する。
論文参考訳（メタデータ） (2022-01-20T09:55:12Z)
Deep Neural Networks for the Assessment of Surgical Skills: A Systematic Review [6.815366422701539]
530の論文をレビューし,25の論文を体系的レビューに選定した。深層ニューラルネットワークは,キネマティックデータとビデオデータの両方を用いて自動的,客観的な手術スキル評価を行うための強力なツールである,と結論づけた。この分野は、手術訓練生や専門家の人口統計や、キネマティックスやビデオ以外のマルチモーダルデータを代表する、大きくて一般公開された注釈付きデータセットの恩恵を受けるだろう。
論文参考訳（メタデータ） (2021-03-03T10:08:37Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Recurrent and Spiking Modeling of Sparse Surgical Kinematics [0.8458020117487898]
ますます多くの研究が、手術ロボットが捉えたビデオやキネマティックなデータを機械学習で分析している。本研究では,同様のスキルレベルの外科医を予測するために,キネマティックデータのみを用いることの可能性を検討する。本報告では, 運動特性のみに基づいて, シミュレーションエクササイズにおいて, ほぼ完全スコアの手術者を特定することが可能である。
論文参考訳（メタデータ） (2020-05-12T15:41:45Z)
Automatic Gesture Recognition in Robot-assisted Surgery with Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文参考訳（メタデータ） (2020-02-20T13:12:38Z)

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。