論文の概要: One-shot domain adaptation in video-based assessment of surgical skills
- arxiv url: http://arxiv.org/abs/2301.00812v1
- Date: Fri, 16 Dec 2022 01:04:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 07:25:24.982250
- Title: One-shot domain adaptation in video-based assessment of surgical skills
- Title(参考訳): 手術スキル評価におけるワンショット領域適応
- Authors: Erim Yanik, Steven Schwaitzberg, Gene Yang, Xavier Intes, Suvranu De
- Abstract要約: A-VBANetは、ワンショット学習を通じて、ドメインに依存しない外科的スキルの分類を提供する。
5つの腹腔鏡およびロボット手術シミュレータを用いたA-VBANetを開発した。
外科的スキルをビデオベースで評価するためのドメインに依存しない手法を初めて提案する。
- 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: Deep Learning (DL) has achieved automatic and objective assessment of
surgical skills. However, DL models are data-hungry and restricted to their
training domain. This prevents them from transitioning to new tasks where data
is limited. Hence, domain adaptation is crucial to implement DL in real life.
Here, we propose a meta-learning model, A-VBANet, that can deliver
domain-agnostic surgical skill classification via one-shot learning. We develop
the A-VBANet on five laparoscopic and robotic surgical simulators.
Additionally, we test it on operating room (OR) videos of laparoscopic
cholecystectomy. Our model successfully adapts with accuracies up to 99.5% in
one-shot and 99.9% in few-shot settings for simulated tasks and 89.7% for
laparoscopic cholecystectomy. For the first time, we provide a domain-agnostic
procedure for video-based assessment of surgical skills. A significant
implication of this approach is that it allows the use of data from surgical
simulators to assess performance in the operating room.
- Abstract(参考訳): 深層学習(DL)は,外科的スキルの自動的,客観的評価を達成している。
しかし、DLモデルはデータハングリーであり、トレーニングドメインに限定されます。
これにより、データが制限された新しいタスクへの移行が防止される。
したがって、ドメイン適応はDLの実現に不可欠である。
本稿では,単発学習によるドメインに依存しない外科的スキル分類を実現するメタラーニングモデルA-VBANetを提案する。
腹腔鏡およびロボット手術シミュレータを用いたA-VBANetを開発した。
また,腹腔鏡下胆嚢摘出術の手術室(OR)で検査を行った。
腹腔鏡下胆嚢摘出術では99.5%,小切片設定では99.9%,腹腔鏡下胆嚢摘出術では89.7%であった。
手術スキルをビデオベースで評価するためのドメイン非依存の手順を初めて提供する。
このアプローチの重要な意味は、手術シミュレータからのデータを使用して手術室のパフォーマンスを評価することができることである。
関連論文リスト
- Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose
Estimation of Surgical Instruments [66.74633676595889]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳(メタデータ) (2023-05-05T13:42:19Z) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳(メタデータ) (2022-07-01T14:17:11Z) - Surgical Phase Recognition in Laparoscopic Cholecystectomy [57.929132269036245]
本稿では,2段階推論パイプラインのキャリブレーションされた信頼度スコアを利用するTransformerに基づく手法を提案する。
提案手法はColec80データセットのベースラインモデルよりも優れており,様々なアクションセグメンテーション手法に適用できる。
論文 参考訳(メタデータ) (2022-06-14T22:55:31Z) - Video-based Formative and Summative Assessment of Surgical Tasks using
Deep Learning [0.8612287536028312]
本稿では,外科的スキル実行の高精度な評価を自動的かつ客観的に行うことができる深層学習(DL)モデルを提案する。
整形性評価は外科的パフォーマンスと相関する視覚特徴のヒートマップを用いて生成される。
論文 参考訳(メタデータ) (2022-03-17T20:07:48Z) - 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) - Class-Incremental Domain Adaptation with Smoothing and Calibration for
Surgical Report Generation [12.757176743817277]
本稿では,ロボット手術時の手術報告を生成するために,対象領域の新たなクラスとドメインシフトに取り組むためのクラスインクリメンタルドメイン適応(CIDA)を提案する。
抽出した特徴からキャプションを生成するために、一次元ガウス平滑化(CBS)によるカリキュラムを多層トランスを用いたキャプション予測モデルに統合する。
我々は,領域不変な特徴学習とよく校正されたネットワークが,ソース領域とターゲット領域の両方で手術報告生成性能を向上させることを観察する。
論文 参考訳(メタデータ) (2021-07-23T09:08:26Z) - Domain Generalization on Medical Imaging Classification using Episodic
Training with Task Augmentation [62.49837463676111]
本稿では,医用画像分類におけるタスク強化によるエピソードトレーニングの新たな手法を提案する。
実際の医療展開において、限られた数のソースドメインによって動機付けられ、ユニークなタスクレベルのオーバーフィッティングを検討します。
論文 参考訳(メタデータ) (2021-06-13T03:56:59Z) - Towards Unified Surgical Skill Assessment [18.601526803020885]
自動手術スキル評価のための統合型マルチパスフレームワークを提案する。
手術シミュレーションのJIGSAWSデータセットと腹腔鏡下手術の新たな臨床データセットについて実験を行った。
論文 参考訳(メタデータ) (2021-06-02T09:06:43Z) - One to Many: Adaptive Instrument Segmentation via Meta Learning and
Dynamic Online Adaptation in Robotic Surgical Video [71.43912903508765]
MDALは、ロボット支援手術における機器セグメンテーションのための動的オンライン適応学習スキームです。
ビデオ固有のメタ学習パラダイムを通じて、楽器の一般的な知識と高速適応能力を学ぶ。
2つのデータセットで他の最先端のメソッドよりも優れています。
論文 参考訳(メタデータ) (2021-03-24T05:02:18Z) - LRTD: Long-Range Temporal Dependency based Active Learning for Surgical
Workflow Recognition [67.86810761677403]
本稿では,費用対効果の高い手術ビデオ解析のための新しい能動的学習法を提案する。
具体的には,非局所的再帰的畳み込みネットワーク (NL-RCNet) を提案する。
手術ワークフロー認識タスクを実行することで,大規模な手術ビデオデータセット(Cholec80)に対するアプローチを検証する。
論文 参考訳(メタデータ) (2020-04-21T09:21:22Z)
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。