論文の概要: Runtime Detection of Executional Errors in Robot-Assisted Surgery
- arxiv url: http://arxiv.org/abs/2203.00737v1
- Date: Tue, 1 Mar 2022 20:49:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-04 09:23:45.848182
- Title: Runtime Detection of Executional Errors in Robot-Assisted Surgery
- Title（参考訳）: ロボット支援手術における実行エラーのランタイム検出
- Authors: Zongyu Li, Kay Hutchinson, Homa Alemzadeh
- Abstract要約: 本稿では,手術中の実行エラーを検出するランタイムモニタリングシステムを提案する。
提案システムは2つのシームズニューラルネットワークと外科的文脈の知識を取り入れたシステムである。
異なるレベルの文脈知識で学習した単一CNNおよびLSTMネットワークと比較して,Siameseネットワークを用いた誤り検出の性能を評価する。
- 参考スコア（独自算出の注目度）: 2.088376060651494
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite significant developments in the design of surgical robots and
automated techniques for objective evaluation of surgical skills, there are
still challenges in ensuring safety in robot-assisted minimally-invasive
surgery (RMIS). This paper presents a runtime monitoring system for the
detection of executional errors during surgical tasks through the analysis of
kinematic data. The proposed system incorporates dual Siamese neural networks
and knowledge of surgical context, including surgical tasks and gestures, their
distributional similarities, and common error modes, to learn the differences
between normal and erroneous surgical trajectories from small training
datasets. We evaluate the performance of the error detection using Siamese
networks compared to single CNN and LSTM networks trained with different levels
of contextual knowledge and training data, using the dry-lab demonstrations of
the Suturing and Needle Passing tasks from the JIGSAWS dataset. Our results
show that gesture specific task nonspecific Siamese networks obtain micro F1
scores of 0.94 (Siamese-CNN) and 0.95 (Siamese-LSTM), and perform better than
single CNN (0.86) and LSTM (0.87) networks. These Siamese networks also
outperform gesture nonspecific task specific Siamese-CNN and Siamese-LSTM
models for Suturing and Needle Passing.
- Abstract（参考訳）: 手術ロボットの設計や手術スキルの客観的評価のための自動化技術の発展にも拘わらず、ロボット支援最小侵襲手術(rmis)における安全性の確保には依然として課題がある。
本稿では,運動データ解析により手術中の実行エラーを検出するランタイムモニタリングシステムを提案する。
本システムでは,二種類のシアムニューラルネットと,手術課題やジェスチャ,その分布的類似性,一般的なエラーモードを含む外科的文脈の知識を組み込んで,小訓練データセットから正常と誤手術の軌跡の違いを学習する。
JIGSAWSデータセットからのSuturing and Needle Passingタスクのドライラブ・デモを用いて,異なるレベルの文脈知識とトレーニングデータで訓練された単一CNNおよびLSTMネットワークと比較して,Siameseネットワークを用いた誤り検出の性能を評価する。
これらの結果から, ジェスチャー特定タスク非依存のSameseネットワークではマイクロF1スコアが0.94(Siamese-CNN)と0.95(Siamese-LSTM)となり, シングルCNN(0.86)とLSTM(0.87)よりも優れていた。
これらのシームズネットワークは、サチューリングとニードルパスのためのシームズ-CNNとシームズ-LSTMモデルにおいて、ジェスチャー非特定タスクよりも優れています。
関連論文リスト
- Think Step by Step: Chain-of-Gesture Prompting for Error Detection in Robotic Surgical Videos [18.106255939686545]
このレターでは、新しいエンドツーエンドエラー検出フレームワークであるChain-of-Thought(COG)のプロンプトを提示する。
これは、専門家外科医の意思決定プロセスを模倣するために設計された2つの推論モジュールを含んでいる。
本手法は,F1スコアの4.6%,精度の4.6%,ジャカード指数の5.9%,各フレームを平均6.69ミリ秒で処理しながら,外科的活動に固有の推論過程をカプセル化する。
論文 参考訳（メタデータ） (2024-06-27T14:43:50Z) - Enhancing IoT Security with CNN and LSTM-Based Intrusion Detection Systems [0.23408308015481666]
提案モデルは,畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)ディープラーニング(DL)モデルを組み合わせて構成する。
この融合により、IoTトラフィックをバイナリカテゴリ、良性、悪意のあるアクティビティに検出し、分類することが可能になる。
提案モデルの精度は98.42%,最小損失は0.0275である。
論文 参考訳（メタデータ） (2024-05-28T22:12:15Z) - Few-shot Learning using Data Augmentation and Time-Frequency
Transformation for Time Series Classification [6.830148185797109]
データ拡張による新しい数ショット学習フレームワークを提案する。
シークエンス・スペクトログラム・ニューラルネット(SSNN)も開発している。
本手法は,時系列分類における数ショット問題への対処法の適用性を実証する。
論文 参考訳（メタデータ） (2023-11-06T15:32:50Z) - How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳（メタデータ） (2023-06-04T08:53:27Z) - 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) - Identification of Cognitive Workload during Surgical Tasks with
Multimodal Deep Learning [20.706268332427157]
関連する認知ワークロード(CWL)の増加は、予期せぬ、反復的なタスクへの対処から生じる。
本稿では,CWLのマルチモーダル認識のための2つの機械学習手法のカスケードを提案する。
畳み込みニューラルネットワーク(CNN)は、この情報を用いて、各手術タスクに関連するさまざまなタイプのCWLを識別する。
論文 参考訳（メタデータ） (2022-09-12T18:29:34Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳（メタデータ） (2021-02-25T14:24:49Z) - A journey in ESN and LSTM visualisations on a language task [77.34726150561087]
我々は,CSL(Cross-Situationnal Learning)タスクでESNとLSTMを訓練した。
その結果, 性能比較, 内部力学解析, 潜伏空間の可視化の3種類が得られた。
論文 参考訳（メタデータ） (2020-12-03T08:32:01Z) - Automatic detection of microsleep episodes with deep learning [55.41644538483948]
15秒未満の睡眠の短い断片は、マイクロスリープエピソード(MSEs)として定義される
覚醒検査(MWT)の維持は、警戒を評価するために臨床現場でしばしば用いられる。
MSEは、MSEを定義する確立された評価基準が欠如しているため、ほとんど考慮されていない。
入力として生の脳波とEOGデータに基づいて機械学習を用いてMSEを自動的に検出することを目的とした。
論文 参考訳（メタデータ） (2020-09-07T11:38:40Z) - 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) - Exploiting Heterogeneity in Operational Neural Networks by Synaptic
Plasticity [87.32169414230822]
最近提案されたネットワークモデルであるオペレーショナルニューラルネットワーク(ONN)は、従来の畳み込みニューラルネットワーク(CNN)を一般化することができる。
本研究では, 生体ニューロンにおける本質的な学習理論を示すSynaptic Plasticityパラダイムに基づいて, ネットワークの隠蔽ニューロンに対する最強演算子集合の探索に焦点をあてる。
高難易度問題に対する実験結果から、神経細胞や層が少なくても、GISベースのONNよりも優れた学習性能が得られることが示された。
論文 参考訳（メタデータ） (2020-08-21T19:03:23Z)
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。