論文の概要: Phase-Informed Tool Segmentation for Manual Small-Incision Cataract Surgery

• arxiv url: http://arxiv.org/abs/2411.16794v2
• Date: Tue, 03 Dec 2024 07:24:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:39:00.104060
• Title: Phase-Informed Tool Segmentation for Manual Small-Incision Cataract Surgery
• Title（参考訳）: 手指小切開白内障手術におけるフェイズインフォームドツールセグメンテーション
• Authors: Bhuvan Sachdeva, Naren Akash, Tajamul Ashraf, Simon Mueller, Thomas Schultz, Maximilian W. M. Wintergerst, Niharika Singri Prasad, Kaushik Murali, Mohit Jain,
• Abstract要約: 白内障手術は世界中で最も一般的な手術であり、発展途上国では非常に高い負担がかかる。 現存する研究は主にパコ白内障手術に焦点を当てており、白内障治療が最も必要とされる地域では利用できない高価な技術である。 手動小切開白内障手術(英: Manual Small-Incision Cataract Surgery, MICS)は、手動小切開白内障手術(英語版) (MSICS) が好まれる低コストで高速な手術法である。 今回紹介するSankara-MSICSは,3,527フレームと3,527フレームの3,53本の手術用ビデオを含む,最初の包括的データセットである。
• 参考スコア（独自算出の注目度）: 5.346116837157231
• License:
• Abstract: Cataract surgery is the most common surgical procedure globally, with a disproportionately higher burden in developing countries. While automated surgical video analysis has been explored in general surgery, its application to ophthalmic procedures remains limited. Existing works primarily focus on Phaco cataract surgery, an expensive technique not accessible in regions where cataract treatment is most needed. In contrast, Manual Small-Incision Cataract Surgery (MSICS) is the preferred low-cost, faster alternative in high-volume settings and for challenging cases. However, no dataset exists for MSICS. To address this gap, we introduce Sankara-MSICS, the first comprehensive dataset containing 53 surgical videos annotated for 18 surgical phases and 3,527 frames with 13 surgical tools at the pixel level. We benchmark this dataset on state-of-the-art models and present ToolSeg, a novel framework that enhances tool segmentation by introducing a phase-conditional decoder and a simple yet effective semi-supervised setup leveraging pseudo-labels from foundation models. Our approach significantly improves segmentation performance, achieving a $23.77\%$ to $38.10\%$ increase in mean Dice scores, with a notable boost for tools that are less prevalent and small. Furthermore, we demonstrate that ToolSeg generalizes to other surgical settings, showcasing its effectiveness on the CaDIS dataset.
• Abstract（参考訳）: 白内障手術は世界中で最も一般的な手術であり、発展途上国では非常に高い負担がかかる。 外科的画像の自動解析は一般的な外科手術では研究されているが,眼科手術への応用は限定的である。 現存する研究は主にパコ白内障手術に焦点を当てており、白内障治療が最も必要とされる地域では利用できない高価な技術である。 対照的に、手動小切開白内障手術(MSICS)は、高ボリューム設定や挑戦的なケースにおいて、低コストで高速な代替手段として好まれる。 しかし、MSICSのデータセットは存在しない。 このギャップに対処するために,3,527フレームと3,527フレームの3,53本の手術用ビデオを含む,最初の総合的データセットであるSankara-MSICSを紹介した。 このデータセットを最先端モデルにベンチマークし、フェーズ条件デコーダとファンデーションモデルから擬似ラベルを活用するシンプルで効果的な半教師付きセットアップを導入することで、ツールセグメンテーションを強化する新しいフレームワークであるToolSegを提案する。 当社のアプローチはセグメンテーションのパフォーマンスを大幅に改善し、平均Diceスコアが23.77ドルから38.10ドルに向上しました。 さらに、ツールセグは他の外科的設定に一般化し、CaDISデータセット上での有効性を示す。

関連論文リスト

• AMNCutter: Affinity-Attention-Guided Multi-View Normalized Cutter for Unsupervised Surgical Instrument Segmentation [7.594796294925481]
  我々は,Multi-View Normalized Cutter(m-NCutter)という新しいモジュールを特徴とするラベルフリーな教師なしモデルを提案する。 本モデルでは, パッチ親和性を利用したグラフカット損失関数を用いて, 疑似ラベルの不要化を図った。 我々は、複数のSISデータセットにわたる包括的な実験を行い、事前訓練されたモデルとして、アプローチの最先端(SOTA)パフォーマンス、堅牢性、および例外的なポテンシャルを検証する。
  論文  参考訳（メタデータ） (2024-11-06T06:33:55Z)
• SURGIVID: Annotation-Efficient Surgical Video Object Discovery [42.16556256395392]
  手術シーンのセマンティックセグメンテーションのためのアノテーション効率のよいフレームワークを提案する。 我々は,画像に基づく自己監督型物体発見法を用いて,外科的ビデオにおいて最も有能なツールや解剖学的構造を同定する。 完全教師付きセグメンテーションモデルを用いて,36のアノテーションラベルで強化した無教師付きセットアップでは,同程度のローカライゼーション性能を示す。
  論文  参考訳（メタデータ） (2024-09-12T07:12:20Z)
• 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)
• Visual-Kinematics Graph Learning for Procedure-agnostic Instrument Tip Segmentation in Robotic Surgeries [29.201385352740555]
  そこで我々は,様々な外科手術を施した楽器の先端を正確に分類する新しいビジュアル・キネマティクスグラフ学習フレームワークを提案する。 具体的には、画像とキネマティクスの両方から楽器部品のリレーショナル特徴を符号化するグラフ学習フレームワークを提案する。 クロスモーダル・コントラッシブ・ロスは、キネマティクスからチップセグメンテーションのイメージへの頑健な幾何学的先行を組み込むように設計されている。
  論文  参考訳（メタデータ） (2023-09-02T14:52:58Z)
• Cross-Dataset Adaptation for Instrument Classification in Cataract Surgery Videos [54.1843419649895]
  特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。 本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。 さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
  論文  参考訳（メタデータ） (2023-07-31T18:14:18Z)
• Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
  SurgLoc 2022 チャレンジの結果を示す。 目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。 これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
  論文  参考訳（メタデータ） (2023-05-11T21:44:39Z)
• 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)
• 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)
• Real-time Instance Segmentation of Surgical Instruments using Attention and Multi-scale Feature Fusion [0.5735035463793008]
  ディープラーニングは、大規模な手術シーン環境から複雑な環境を学ぶ機会を与えてくれる。 本稿では,畳み込みブロックアテンションモジュールを補完する軽量単一ステージセグメンテーションモデルを用いる。 ROBUST-MISチャレンジでは,地域単位のMI_DSCと距離単位のMI_NSDを44%以上改善した。
  論文  参考訳（メタデータ） (2021-11-09T02:22:01Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。