論文の概要: Improving Reconstructive Surgery Design using Gaussian Process Surrogates to Capture Material Behavior Uncertainty

• arxiv url: http://arxiv.org/abs/2010.02800v1
• Date: Mon, 5 Oct 2020 11:44:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 22:24:03.980566
• Title: Improving Reconstructive Surgery Design using Gaussian Process Surrogates to Capture Material Behavior Uncertainty
• Title（参考訳）: ガウスプロセスサロゲートによる材料挙動不確かさの把握による再建手術設計の改善
• Authors: Casey Stowers, Taeksang Lee, Ilias Bilionis, Arun Gosain, Adrian Buganza Tepole
• Abstract要約: 創部付近の過剰な負荷は、病的傷やその他の合併症を引き起こす。 FEシミュレーションは、大きな皮膚パッチと複雑なケースの応力場を予測することを約束している。 我々は、進行、回転、転位フラップのためのGPサロゲートを作成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Excessive loads near wounds produce pathological scarring and other complications. Presently, stress cannot easily be measured by surgeons in the operating room. Instead, surgeons rely on intuition and experience. Predictive computational tools are ideal candidates for surgery planning. Finite element (FE) simulations have shown promise in predicting stress fields on large skin patches and complex cases, helping to identify potential regions of complication. Unfortunately, these simulations are computationally expensive and deterministic. However, running a few, well-selected FE simulations allows us to create Gaussian process (GP) surrogate models of local cutaneous flaps that are computationally efficient and able to predict stress and strain for arbitrary material parameters. Here, we create GP surrogates for the advancement, rotation, and transposition flaps. We then use the predictive capability of these surrogates to perform a global sensitivity analysis, ultimately showing that fiber direction has the most significant impact on strain field variations. We then perform an optimization to determine the optimal fiber direction for each flap for three different objectives driven by clinical guidelines. While material properties are not controlled by the surgeon and are actually a source of uncertainty, the surgeon can in fact control the orientation of the flap. Therefore, fiber direction is the only material parameter that can be optimized clinically. The optimization task relies on the efficiency of the GP surrogates to calculate the expected cost of different strategies when the uncertainty of other material parameters is included. We propose optimal flap orientations for the three cost functions and that can help in reducing stress resulting from the surgery and ultimately reduce complications associated with excessive mechanical loading near wounds.
• Abstract（参考訳）: 創部付近の過剰な負荷は、病的傷やその他の合併症を引き起こす。 現在、手術室での外科医によるストレス測定は容易ではない。 外科医は直感と経験に頼っている。 予測計算ツールは手術計画の理想的な候補である。 有限要素シミュレーション(FE)は、大きな皮膚パッチや複雑なケースの応力場を予測することを約束しており、合併症の潜在的な領域を特定するのに役立つ。 残念ながら、これらのシミュレーションは計算コストが高く決定論的です。 しかし,feシミュレーションにより,計算効率が高く任意の材料パラメータに対する応力・ひずみを予測できる局所皮弁のモデルであるガウス過程(gp)を作成することができた。 ここでは、進行、回転、転位フラップのためのgpサロゲートを作成する。 次に、これらのサロゲートの予測能力を用いてグローバル感度解析を行い、最終的に繊維方向がひずみ場の変化に最も大きな影響を与えることを示す。 次に, 臨床ガイドラインにより誘導される3つの異なる目的に対して, 各フラップの最適繊維方向を決定する最適化を行う。 物質的特性は外科医によって制御されず、実際には不確実性の源であるが、実際に外科医はフラップの向きを制御することができる。 したがって、臨床的に最適化できる材料パラメータは繊維方向のみである。 最適化タスクはGPサロゲートの効率に依存し、他の材料パラメータの不確実性を含む場合、異なる戦略の期待コストを計算する。 3つのコスト関数に対して最適なフラップ配向を提案し,手術に伴うストレスの軽減と,創部近傍の過度の機械的負荷に伴う合併症の軽減に寄与する。

関連論文リスト

• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• 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)
• Neural LerPlane Representations for Fast 4D Reconstruction of Deformable Tissues [52.886545681833596]
  LerPlaneは単一視点環境下での手術シーンの高速かつ正確な再構築手法である。 LerPlaneは外科手術を4Dボリュームとして扱い、静的および動的フィールドの明示的な2D平面に分解する。 LerPlaneは静的フィールドを共有し、動的組織モデリングのワークロードを大幅に削減する。
  論文  参考訳（メタデータ） (2023-05-31T14:38:35Z)
• A Study of Left Before Treatment Complete Emergency Department Patients: An Optimized Explanatory Machine Learning Framework [1.933681537640272]
  本報告では,救急部門における治療完了前の左の要因について検討する枠組みを提案する。 このフレームワークは機械学習、メタヒューリスティック最適化、モデル解釈技術を統合している。 ED治療中の患者に対するLBTC結果の予測に最適化されたXGBモデルを用いる。
  論文  参考訳（メタデータ） (2022-12-22T17:14:10Z)
• Towards the optimization of ballistics in proton therapy using genetic algorithms: implementation issues [0.0]
  遺伝的アルゴリズムに基づく新しい最適化フレームワークについて検討する。 提案された最適化ルーチンは典型的には、数千の固定サイズのスポットを考慮に入れている。 提案する遺伝的アルゴリズムの挙動は, 基礎的, 臨床的に有意なテストケースで示される。
  論文  参考訳（メタデータ） (2022-05-17T12:31:14Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Real-time Informative Surgical Skill Assessment with Gaussian Process Learning [12.019641896240245]
  本研究は,ESSBSのためのガウス的プロセス学習に基づく自動的客観的外科的スキル評価手法を提案する。 提案手法は,計測器の動きを内視鏡座標に投影し,データ次元を減少させる。 実験結果から,完全外科手術における100%の予測精度と,リアルタイムの予測評価における90%の精度が得られた。
  論文  参考訳（メタデータ） (2021-12-05T15:35:40Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• Structured Sparsity Inducing Adaptive Optimizers for Deep Learning [94.23102887731417]
  本稿では、近位勾配法に必要な成分である重み付き近位作用素を導出する。 この適応法は, 重み付き近位演算子とともに, 空間パターンに構造をもつ解を求めることができることを示す。
  論文  参考訳（メタデータ） (2021-02-07T18:06:23Z)

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。