論文の概要: A Cascaded Neural Network System For Rating Student Performance In Surgical Knot Tying Simulation

• arxiv url: http://arxiv.org/abs/2312.14952v1
• Date: Sat, 9 Dec 2023 17:44:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 13:03:32.095319
• Title: A Cascaded Neural Network System For Rating Student Performance In Surgical Knot Tying Simulation
• Title（参考訳）: 外科的結び結びシミュレーションにおける学生成績評価のためのカスケードニューラルネットワークシステム
• Authors: Yunzhe Xue, Olanrewaju Eletta, Justin W. Ady, Nell M. Patel, Advaith Bongu, Usman Roshan
• Abstract要約: 本稿では,外科的結び目処理を模擬したビデオから,学生のパフォーマンスを評価するカスケードニューラルネットワークアーキテクチャを提案する。 提案モデルでは,ビデオフレーム画像を事前学習した深部畳み込みネットワークで特徴ベクトルに変換し,時間的ネットワークでフレームのシーケンスをモデル化する。
• 参考スコア（独自算出の注目度）: 3.495246564946556
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As part of their training all medical students and residents have to pass basic surgical tasks such as knot tying, needle-passing, and suturing. Their assessment is typically performed in the operating room by surgical faculty where mistakes and failure by the student increases the operation time and cost. This evaluation is quantitative and has a low margin of error. Simulation has emerged as a cost effective option but it lacks assessment or requires additional expensive hardware for evaluation. Apps that provide training videos on surgical knot trying are available to students but none have evaluation. We propose a cascaded neural network architecture that evaluates a student's performance just from a video of themselves simulating a surgical knot tying task. Our model converts video frame images into feature vectors with a pre-trained deep convolutional network and then models the sequence of frames with a temporal network. We obtained videos of medical students and residents from the Robert Wood Johnson Hospital performing knot tying on a standardized simulation kit. We manually annotated each video and proceeded to do a five-fold cross-validation study on them. Our model achieves a median precision, recall, and F1-score of 0.71, 0.66, and 0.65 respectively in determining the level of knot related tasks of tying and pushing the knot. Our mean precision score averaged across different probability thresholds is 0.8. Both our F1-score and mean precision score are 8% and 30% higher than that of a recently published study for the same problem. We expect the accuracy of our model to further increase as we add more training videos to the model thus making it a practical solution that students can use to evaluate themselves.
• Abstract（参考訳）: 研修の一環として、すべての医学生や住民は結び目、針通し、縫合などの基本的な手術をパスしなければならない。 彼らの評価は典型的には手術室で行われ、学生のミスや失敗が手術時間とコストを増加させる。 この評価は定量的であり、誤差のマージンが低い。 シミュレーションはコスト効率のよい選択肢として登場したが、評価に欠けたり、さらに高価なハードウェアを必要とする。 外科的結び目試行のトレーニングビデオを提供するアプリは学生に提供されているが、評価はされていない。 そこで本研究では,手術用結び目係留タスクをシミュレートした映像から,生徒のパフォーマンスを評価するニューラルネットワークアーキテクチャを提案する。 提案モデルでは,ビデオフレーム画像を事前学習した深部畳み込みネットワークで特徴ベクトルに変換し,時間的ネットワークでフレームのシーケンスをモデル化する。 我々は、ロバート・ウッド・ジョンソン病院から、標準化されたシミュレーションキットで結び目を行う医学生と住民のビデオを得た。 手動で各ビデオに注釈を付け,5倍のクロスバリデーション調査を行った。 本モデルでは,結び目関連タスクの結び目と押圧レベルを決定するために,それぞれ0.71,0.66,0.65の正中精度,リコール,F1スコアを達成する。 異なる確率閾値で平均した平均精度スコアは0.8。 f1-scoreと平均精度スコアは、同じ問題に対する最近発表された研究よりも8%と30%高い。 モデルにより多くのトレーニングビデオを追加することで,モデルの精度がさらに向上し,学生が自身で評価できる実用的なソリューションになると期待しています。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• D'ARTAGNAN: Counterfactual Video Generation [3.4079278794252232]
  因果的対応の機械学習フレームワークは、臨床医がカウンターファクトの質問に答えることで、治療の最良のコースを特定するのに役立つ。 我々は、D'ARTAGNANを構築するために、ディープニューラルネットワーク、ツイン因果ネットワーク、および生成的敵法を初めて組み合わせる。 新しい超音波ビデオを生成し, 所定の入力に設定したエジェクション・フラクションのバリエーションを用いて, 元の患者の映像スタイルと解剖を保ちながら, 超音波ビデオを生成する。
  論文  参考訳（メタデータ） (2022-06-03T15:53:32Z)
• Min-Max Similarity: A Contrastive Learning Based Semi-Supervised Learning Network for Surgical Tools Segmentation [0.0]
  コントラスト学習に基づく半教師付きセグメンテーションネットワークを提案する。 従来の最先端技術とは対照的に、両視点トレーニングの対照的な学習形式を導入する。 提案手法は、最先端の半教師付きおよび完全教師付きセグメンテーションアルゴリズムを一貫して上回る。
  論文  参考訳（メタデータ） (2022-03-29T01:40:26Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• ViPTT-Net: Video pretraining of spatio-temporal model for tuberculosis type classification from chest CT scans [0.0]
  事前学習は、限られたデータから学習し、一般化を改善する深層学習への関心を喚起した。 我々は、現実的なビデオでモデルを事前訓練することで、モデルをゼロからトレーニングするよりも、パフォーマンスを向上させることができるかどうかを考察する。 我々のモデルは ViPTT-Net と呼ばれ、人間の活動のラベル付き1300本以上のビデオクリップで訓練され、その後、結核型のラベル付き胸部CTスキャンで微調整された。
  論文  参考訳（メタデータ） (2021-05-26T20:00:31Z)
• Brain tumor segmentation with self-ensembled, deeply-supervised 3D U-net neural networks: a BraTS 2020 challenge solution [56.17099252139182]
  U-netのようなニューラルネットワークを用いた脳腫瘍セグメント化作業の自動化と標準化を行う。 2つの独立したモデルのアンサンブルが訓練され、それぞれが脳腫瘍のセグメンテーションマップを作成した。 我々の解は、最終試験データセットにおいて、Diceの0.79、0.89、0.84、およびHausdorffの95%の20.4、6.7、19.5mmを達成した。
  論文  参考訳（メタデータ） (2020-10-30T14:36:10Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• Simulation of Brain Resection for Cavity Segmentation Using Self-Supervised and Semi-Supervised Learning [36.121815158077446]
  畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。 CNNはトレーニングのために大量の注釈付きデータを必要とする。 自己教師付き学習は、ラベルのないデータからトレーニングインスタンスを生成するために使用することができる。
  論文  参考訳（メタデータ） (2020-06-28T20:03:39Z)
• Recurrent and Spiking Modeling of Sparse Surgical Kinematics [0.8458020117487898]
  ますます多くの研究が、手術ロボットが捉えたビデオやキネマティックなデータを機械学習で分析している。 本研究では,同様のスキルレベルの外科医を予測するために,キネマティックデータのみを用いることの可能性を検討する。 本報告では, 運動特性のみに基づいて, シミュレーションエクササイズにおいて, ほぼ完全スコアの手術者を特定することが可能である。
  論文  参考訳（メタデータ） (2020-05-12T15:41:45Z)
• 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)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。