論文の概要: CataNet: Predicting remaining cataract surgery duration

• arxiv url: http://arxiv.org/abs/2106.11048v1
• Date: Mon, 21 Jun 2021 12:35:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 15:29:43.223288
• Title: CataNet: Predicting remaining cataract surgery duration
• Title（参考訳）: CataNet:白内障手術期間の予測
• Authors: Andr\'es Marafioti, Michel Hayoz, Mathias Gallardo, Pablo M\'arquez Neila, Sebastian Wolf, Martin Zinkernagel, and Raphael Sznitman
• Abstract要約: 白内障手術は、世界中で毎年1000万回以上実施されている視力保護手術である。 手術中の残りの手術期間(RSD)を推定することは、患者のスループットを効率化する1つの方法である。 本研究では,RTDを2つの重要な要素とともにリアルタイムに予測する白内障手術法であるCataNetを提案する。
• 参考スコア（独自算出の注目度）: 5.8267143860264206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cataract surgery is a sight saving surgery that is performed over 10 million times each year around the world. With such a large demand, the ability to organize surgical wards and operating rooms efficiently is critical to delivery this therapy in routine clinical care. In this context, estimating the remaining surgical duration (RSD) during procedures is one way to help streamline patient throughput and workflows. To this end, we propose CataNet, a method for cataract surgeries that predicts in real time the RSD jointly with two influential elements: the surgeon's experience, and the current phase of the surgery. We compare CataNet to state-of-the-art RSD estimation methods, showing that it outperforms them even when phase and experience are not considered. We investigate this improvement and show that a significant contributor is the way we integrate the elapsed time into CataNet's feature extractor.
• Abstract（参考訳）: 白内障手術は、世界中で毎年1000万回以上実施されている視力保護手術である。 外科的病棟や手術室の組織化を効果的に行うことは,このような治療を日常的な臨床医療で行う上で重要である。 この文脈では、手術中の残りの手術期間(rsd)を推定することは患者のスループットとワークフローを合理化する1つの方法である。 そこで本研究では, 外科医の経験と手術の現段階の2つの要素を併用して, rsdをリアルタイムに予測する白内障手術の方法であるcatanetを提案する。 CataNetを最先端のRSD推定法と比較し、位相や経験が考慮されていない場合でも性能が向上することを示した。 この改善について検討し、CataNetの機能抽出器に経過時間を統合する方法として、重要な貢献者がいることを示す。

関連論文リスト

• PitRSDNet: Predicting Intra-operative Remaining Surgery Duration in Endoscopic Pituitary Surgery [7.291847156946912]
  本稿では,下垂体手術中の残存手術期間(RSD)を予測するためのPitRSDNetを提案する。 PitRSDNet はワークフロー知識を RSD 予測に統合する。1) ステップと RSD を同時に予測するためのマルチタスク学習,2) 時間的学習と推論におけるコンテキストとしての事前ステップ。 PitRSDNetは、88のビデオを備えた新しい内視鏡下垂体手術データセットでトレーニングされ、従来の統計的および機械学習手法よりも競争力のあるパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2024-09-25T15:03:22Z)
• 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)
• Cataract-1K: Cataract Surgery Dataset for Scene Segmentation, Phase Recognition, and Irregularity Detection [5.47960852753243]
  本稿では,コンピュータ化された手術ワークフロー解析を構築するための多様な要件に対処する,白内障手術用ビデオデータセットについて紹介する。 我々は、最先端のニューラルネットワークアーキテクチャの性能をベンチマークすることで、アノテーションの品質を検証する。 データセットとアノテーションは、論文の受理時に公開される。
  論文  参考訳（メタデータ） (2023-12-11T10:53:05Z)
• 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)
• 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)
• LoViT: Long Video Transformer for Surgical Phase Recognition [59.06812739441785]
  短時間・長期の時間情報を融合する2段階のLong Video Transformer(LoViT)を提案する。 このアプローチは、Colec80とAutoLaparoデータセットの最先端メソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-15T20:06:14Z)
• CholecTriplet2021: A benchmark challenge for surgical action triplet recognition [66.51610049869393]
  腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。 課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。 4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
  論文  参考訳（メタデータ） (2022-04-10T18:51:55Z)
• SUrgical PRediction GAN for Events Anticipation [38.65189355224683]
  我々は,過去の腹腔鏡下ビデオフレーム上で,将来の手術段階の軌跡をサンプリングする新しいGAN製剤を用いた。 腹腔鏡下胆嚢摘出ビデオの進行を推定・予測する効果を実証した。 これらの予測軌道の可能性を評価するために外科医を調査した。
  論文  参考訳（メタデータ） (2021-05-10T19:56:45Z)
• Trans-SVNet: Accurate Phase Recognition from Surgical Videos via Hybrid Embedding Aggregation Transformer [57.18185972461453]
  本稿では,手術ワークフロー解析トランスフォーマーを初めて導入し,正確な位相認識のための時間的特徴と時間的特徴の無視された補完効果を再考する。 我々のフレームワークは軽量であり、高い推論速度を達成するためにハイブリッド埋め込みを並列に処理します。
  論文  参考訳（メタデータ） (2021-03-17T15:12:55Z)
• OperA: Attention-Regularized Transformers for Surgical Phase Recognition [46.72897518687539]
  長い映像列から外科的位相を正確に予測する変圧器モデルoperaを紹介する。 operaは腹腔鏡下胆嚢摘出ビデオの2つのデータセットで徹底的に評価されており,術中時間的改善のアプローチを上回っている。
  論文  参考訳（メタデータ） (2021-03-05T18:59:14Z)

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。