論文の概要: Metrics Matter in Surgical Phase Recognition
- arxiv url: http://arxiv.org/abs/2305.13961v1
- Date: Tue, 23 May 2023 11:40:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 16:47:56.055884
- Title: Metrics Matter in Surgical Phase Recognition
- Title（参考訳）: 外科的位相認識におけるメトリクス
- Authors: Isabel Funke, Dominik Rivoir and Stefanie Speidel
- Abstract要約: 本稿では,Colec80ベンチマークにおける位相認識アルゴリズムの評価における共通偏差について要約する。
評価の詳細への注意は、外科的位相認識タスクにおいて、より一貫性があり、同等の結果を得るのに役立つだろう。
- 参考スコア（独自算出の注目度）: 0.04125187280299246
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Surgical phase recognition is a basic component for different context-aware
applications in computer- and robot-assisted surgery. In recent years, several
methods for automatic surgical phase recognition have been proposed, showing
promising results. However, a meaningful comparison of these methods is
difficult due to differences in the evaluation process and incomplete reporting
of evaluation details. In particular, the details of metric computation can
vary widely between different studies. To raise awareness of potential
inconsistencies, this paper summarizes common deviations in the evaluation of
phase recognition algorithms on the Cholec80 benchmark. In addition, a
structured overview of previously reported evaluation results on Cholec80 is
provided, taking known differences in evaluation protocols into account.
Greater attention to evaluation details could help achieve more consistent and
comparable results on the surgical phase recognition task, leading to more
reliable conclusions about advancements in the field and, finally, translation
into clinical practice.
- Abstract（参考訳）: 手術相認識は, コンピュータやロボット支援手術において, 異なる文脈認識応用のための基本要素である。
近年,いくつかの自動位相認識法が提案され,有望な結果が得られた。
しかし,評価プロセスの違いや評価詳細の不完全な報告のため,これらの手法の有意義な比較は困難である。
特に、計量計算の詳細は異なる研究によって大きく異なる可能性がある。
そこで本研究では,Cholec80ベンチマークにおける位相認識アルゴリズムの評価における共通偏差について述べる。
また、既に報告されたcholec80の評価結果の構造化概要を提供し、評価プロトコルの既知の相違を考慮に入れる。
評価の詳細にもっと注意を払えば、手術段階認識タスクにおいてより一貫した比較結果が得られ、この分野の進歩と、最終的に臨床への翻訳に関するより信頼性の高い結論が得られます。
関連論文リスト
- 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) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - 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) - 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) - Towards a Guideline for Evaluation Metrics in Medical Image Segmentation [0.0]
本研究は、医療画像分割評価のための以下の指標の概要と解釈ガイドを提供する。
要約として,標準化された医用画像分割評価のためのガイドラインを提案する。
論文 参考訳（メタデータ） (2022-02-10T13:38:05Z) - Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する
乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。
より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
論文 参考訳（メタデータ） (2022-01-09T04:35:55Z) - 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) - Evaluation of Various Open-Set Medical Imaging Tasks with Deep Neural
Networks [15.655519786176438]
我々は最先端のオープンセット手法の厳密な評価を行い、異なるオープンセットシナリオを探索する。
一般領域学習モデルと医療領域学習モデルの主な違いを示す。
論文 参考訳（メタデータ） (2021-10-21T04:19:41Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - A Methodology for Bi-Directional Knowledge-Based Assessment of
Compliance to Continuous Application of Clinical Guidelines [1.52292571922932]
ケアプロセスのガイドラインに基づく品質評価を自動化するための新しいアプローチを提案する。
BiKBAC法は臨床ガイドラインを適用する際のコンプライアンスの度合いを評価する。
DiscovErrシステムは、2型糖尿病管理領域の別の研究で評価されました。
論文 参考訳（メタデータ） (2021-03-13T20:43:45Z)
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。