論文の概要: Rethinking Anticipation Tasks: Uncertainty-aware Anticipation of Sparse
Surgical Instrument Usage for Context-aware Assistance
- arxiv url: http://arxiv.org/abs/2007.00548v4
- Date: Wed, 30 Mar 2022 11:33:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 23:21:07.689815
- Title: Rethinking Anticipation Tasks: Uncertainty-aware Anticipation of Sparse
Surgical Instrument Usage for Context-aware Assistance
- Title（参考訳）: 期待課題の再考:コンテキスト認識支援のためのスパース手術器具の確実性認識予測
- Authors: Dominik Rivoir and Sebastian Bodenstedt and Isabel Funke and Felix von
Bechtolsheim and Marius Distler and J\"urgen Weitz and Stefanie Speidel
- Abstract要約: 腹腔鏡映像における楽器使用予測のための新しい学習課題を提案する。
トレーニング中は、スパース・インスツルメンツのみが必要であり、推論は画像データのみに行われる。
本研究は,外科手術における機器の予測手法を初めて提案するものである。
- 参考スコア（独自算出の注目度）: 0.029555437538581048
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intra-operative anticipation of instrument usage is a necessary component for
context-aware assistance in surgery, e.g. for instrument preparation or
semi-automation of robotic tasks. However, the sparsity of instrument
occurrences in long videos poses a challenge. Current approaches are limited as
they assume knowledge on the timing of future actions or require dense temporal
segmentations during training and inference. We propose a novel learning task
for anticipation of instrument usage in laparoscopic videos that overcomes
these limitations. During training, only sparse instrument annotations are
required and inference is done solely on image data. We train a probabilistic
model to address the uncertainty associated with future events. Our approach
outperforms several baselines and is competitive to a variant using richer
annotations. We demonstrate the model's ability to quantify task-relevant
uncertainties. To the best of our knowledge, we are the first to propose a
method for anticipating instruments in surgery.
- Abstract（参考訳）: 術中機器使用予測は、手術における文脈認識支援、例えば、ロボット作業の機器準備や半自動などに必要な要素である。
しかし、長いビデオにおける楽器の出現の空間性は困難を呈する。
現在のアプローチは、将来の行動のタイミングに関する知識を仮定したり、トレーニングや推論に密接な時間分割を必要とするため、制限されている。
これらの限界を克服した腹腔鏡下ビデオにおける楽器使用の予測のための新しい学習課題を提案する。
トレーニング中は、スパースインスツルメンテーションのみが必要であり、推論は画像データのみに基づいて行われる。
我々は、将来の出来事に関連する不確実性に対処するために確率モデルを訓練する。
このアプローチはいくつかのベースラインを上回り、よりリッチなアノテーションを使った変種と競合する。
タスク関連不確実性を定量化するモデルの能力を示す。
本研究は,外科手術における機器の予測手法を初めて提案するものである。
関連論文リスト
- Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization [51.34904967046097]
継続的な学習は、モデルが以前に学習した情報を忘れてしまう破滅的な忘れ込みの課題を克服しようとする。
本稿では,パラメータ成長の制約を緩和し,破滅的な忘れを減らし,新しい事前手法を提案する。
以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2023-09-15T17:10:51Z) - Temporal DINO: A Self-supervised Video Strategy to Enhance Action
Prediction [15.696593695918844]
本稿では、DINOにインスパイアされた行動予測(ラベルのない自己蒸留)を強化するための、新しい自己教師型ビデオ戦略を提案する。
実験結果は、3D-ResNet、Transformer、LSTMアーキテクチャで予測性能が大幅に向上したことを示している。
これらの知見は,行動認識,運動計画,シーン理解など,多様な映像ベースタスクにおけるアプローチの可能性を強調した。
論文 参考訳（メタデータ） (2023-08-08T21:18:23Z) - Improving Long-Horizon Imitation Through Instruction Prediction [93.47416552953075]
本研究では、しばしば使われない補助的監督源である言語の使用について検討する。
近年のトランスフォーマーモデルの発展にインスパイアされたエージェントは,高レベルの抽象化で動作する時間拡張表現の学習を促す命令予測損失を持つエージェントを訓練する。
さらなる分析では、複雑な推論を必要とするタスクにおいて、命令モデリングが最も重要であり、単純な計画を必要とする環境において、より小さなゲインを提供する。
論文 参考訳（メタデータ） (2023-06-21T20:47:23Z) - Temporal Label Smoothing for Early Prediction of Adverse Events [0.0]
興味ある事象に近接する関数として滑らかな強度を調節する新しい学習戦略であるTLSを提案する。
本手法は, 偽アラーム率の低いイベントリコールなどの臨床関連指標の性能を著しく向上させる。
論文 参考訳（メタデータ） (2022-08-29T17:58:48Z) - Towards Graph Representation Learning Based Surgical Workflow
Anticipation [15.525314212209562]
外科的ワークフロー予測問題における楽器の動きを表現するためのグラフ表現学習フレームワークを提案する。
提案するグラフ表現では,楽器の境界ボックス情報を連続したフレーム内のグラフノードにマップする。
また、時間とともに機器の軌道や相互作用を表現するために、フレーム間/インストラメント間グラフエッジを構築します。
論文 参考訳（メタデータ） (2022-08-07T21:28:22Z) - Leveraging Time Irreversibility with Order-Contrastive Pre-training [3.1848820580333737]
時系列データに基づく自己教師付き事前学習のための「順序コントラスト」手法について検討する。
本研究では,順序コントラスト事前学習で学習した表現の下流誤差に対する有限サンプル保証を証明した。
この結果から,特定の分布クラスや下流タスクのために設計された事前学習手法が,自己指導型学習の性能を向上させることが示唆された。
論文 参考訳（メタデータ） (2021-11-04T02:56:52Z) - VisioRed: A Visualisation Tool for Interpretable Predictive Maintenance [5.845912816093006]
マシンラーニングを使用すると、予測および規範的なメンテナンスがシステム障害を予測および防止する。
本稿では,時系列データに基づく予測保守モデルから得られた情報を表示するための解釈を組み込んだ可視化ツールを提案する。
論文 参考訳（メタデータ） (2021-03-31T11:35:51Z) - Self-Supervision by Prediction for Object Discovery in Videos [62.87145010885044]
本稿では,この予測タスクを自己監督として利用し,画像シーケンス表現のための新しいオブジェクト中心モデルを構築する。
私たちのフレームワークは、手動アノテーションや事前トレーニングされたネットワークを使わずにトレーニングできます。
最初の実験では、提案されたパイプラインがオブジェクト中心のビデオ予測への有望なステップであることを確認した。
論文 参考訳（メタデータ） (2021-03-09T19:14:33Z) - Parrot: Data-Driven Behavioral Priors for Reinforcement Learning [79.32403825036792]
そこで本研究では,実験で得られた複雑なインプット・アウトプット関係を事前に学習する手法を提案する。
RLエージェントが新規な動作を試す能力を阻害することなく、この学習が新しいタスクを迅速に学習するのにどのように役立つかを示す。
論文 参考訳（メタデータ） (2020-11-19T18:47:40Z) - Temporally Correlated Task Scheduling for Sequence Learning [143.70523777803723]
多くのアプリケーションにおいて、シーケンス学習タスクは通常、複数の時間的に相関した補助タスクと関連付けられている。
シーケンス学習に学習可能なスケジューラを導入し、トレーニングのための補助的なタスクを適応的に選択できる。
本手法は,同時翻訳とストックトレンド予測の性能を著しく向上させる。
論文 参考訳（メタデータ） (2020-07-10T10:28:54Z) - Pre-training Text Representations as Meta Learning [113.3361289756749]
本稿では,下流タスクを効果的に学習するために,モデルがテキスト表現を学習する能力を直接最適化する学習アルゴリズムを提案する。
マルチタスク事前学習とモデル非依存型メタラーニングの間には,一連のメタトレインステップによる本質的な関係があることが示されている。
論文 参考訳（メタデータ） (2020-04-12T09:05:47Z)
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。