論文の概要: Machine Learning-Based Automated Assessment of Intracorporeal Suturing in Laparoscopic Fundoplication

• arxiv url: http://arxiv.org/abs/2412.16195v1
• Date: Mon, 16 Dec 2024 17:44:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-29 07:32:30.530367
• Title: Machine Learning-Based Automated Assessment of Intracorporeal Suturing in Laparoscopic Fundoplication
• Title（参考訳）: 腹腔鏡下腹腔鏡下腹腔鏡下手術における体腔内縫合の機械学習による自動評価
• Authors: Shekhar Madhav Khairnar, Huu Phong Nguyen, Alexis Desir, Carla Holcomb, Daniel J. Scott, Ganesh Sankaranarayanan,
• Abstract要約: 我々は,Segment Anything Model(SAM)を用いたAIベースのツールトラッキングを開発し,アノテータの必要性を解消した。 ブタ腸におけるNissen骨形成の録画ビデオに自動ツールトラッキングモデルを適用した。 評価は教師なしモデルと教師なしモデルを用いて行った。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Automated assessment of surgical skills using artificial intelligence (AI) provides trainees with instantaneous feedback. After bimanual tool motions are captured, derived kinematic metrics are reliable predictors of performance in laparoscopic tasks. Implementing automated tool tracking requires time-intensive human annotation. We developed AI-based tool tracking using the Segment Anything Model (SAM) to eliminate the need for human annotators. Here, we describe a study evaluating the usefulness of our tool tracking model in automated assessment during a laparoscopic suturing task in the fundoplication procedure. An automated tool tracking model was applied to recorded videos of Nissen fundoplication on porcine bowel. Surgeons were grouped as novices (PGY1-2) and experts (PGY3-5, attendings). The beginning and end of each suturing step were segmented, and motions of the left and right tools were extracted. A low-pass filter with a 24 Hz cut-off frequency removed noise. Performance was assessed using supervised and unsupervised models, and an ablation study compared results. Kinematic features--RMS velocity, RMS acceleration, RMS jerk, total path length, and Bimanual Dexterity--were extracted and analyzed using Logistic Regression, Random Forest, Support Vector Classifier, and XGBoost. PCA was performed for feature reduction. For unsupervised learning, a Denoising Autoencoder (DAE) model with classifiers, such as a 1-D CNN and traditional models, was trained. Data were extracted for 28 participants (9 novices, 19 experts). Supervised learning with PCA and Random Forest achieved an accuracy of 0.795 and an F1 score of 0.778. The unsupervised 1-D CNN achieved superior results with an accuracy of 0.817 and an F1 score of 0.806, eliminating the need for kinematic feature computation. We demonstrated an AI model capable of automated performance classification, independent of human annotation.
• Abstract（参考訳）: 人工知能(AI)を用いた外科的スキルの自動評価は,即時フィードバックを提供する。 双方向のツールの動きが捉えられた後、導出キネマティックなメトリクスは腹腔鏡作業におけるパフォーマンスの信頼できる予測因子となる。 自動ツールトラッキングを実装するには、時間集約的な人間のアノテーションが必要である。 我々は,Segment Anything Model(SAM)を用いたAIベースのツールトラッキングを開発し,アノテータの必要性を解消した。 本稿では,術式における腹腔鏡下縫合作業における自動評価におけるツールトラッキングモデルの有用性について述べる。 ブタ腸におけるNissen骨形成の録画ビデオに自動ツールトラッキングモデルを適用した。 外科医は初心者 (PGY1-2) と専門家 (PGY3-5, attends) としてグループ化された。 各縫合ステップの開始と終了を分割し,左右の工具の動きを抽出した。 24Hzカットオフ周波数除去ノイズを用いた低域通過フィルタ 評価は教師なしモデルと教師なしモデルを用いて行った。 ロジスティック回帰,ランダムフォレスト,サポートベクトル分類器,XGBoostを用いて,運動特性--RMS速度,RMS加速度,RMSジャーク,全経路長,バイマナルデキスタリティ-を抽出,解析した。 機能低下のためPCAを施行した。 教師なし学習では、1-D CNNや従来のモデルのような分類器を備えたDAEモデルが訓練された。 28名(初心者9名,専門家19名)のデータを抽出した。 PCAとランダムフォレストによる教師あり学習は0.795点、F1スコアは0.778点に達した。 教師なし 1-D CNN は 0.817 の精度と F1 のスコア 0.806 の精度で優れた結果を得た。 人間のアノテーションに依存しない自動性能分類が可能なAIモデルを実証した。

関連論文リスト

• Self-Supervised Pretraining Improves Performance and Inference Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
  肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。 3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
  論文  参考訳（メタデータ） (2023-09-05T21:36:42Z)
• Application of the nnU-Net for automatic segmentation of lung lesion on CT images, and implication on radiomic models [1.8231394717039833]
  非小細胞肺癌患者のCT画像にディープラーニング自動分画法を適用した。 生存放射線モデルの性能評価において,手動と自動セグメンテーションの併用も検討した。
  論文  参考訳（メタデータ） (2022-09-24T15:04:23Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• Automatic identification of segmentation errors for radiotherapy using geometric learning [0.0]
  この研究の目的は、3D OARセグメンテーションにおけるエラーを自動的に識別するツールを開発することであった。 提案モデルは,耳下腺のセグメンテーションの合成データセットを用いて,自己教師付き学習を用いて訓練される。 内耳と外耳の誤差は85.0%, 89.7%と予測された。
  論文  参考訳（メタデータ） (2022-06-27T14:01:52Z)
• CaRTS: Causality-driven Robot Tool Segmentation from Vision and Kinematics Data [11.92904350972493]
  ロボット支援手術中の視覚に基づくロボットツールのセグメンテーションは、拡張現実フィードバックなどの下流アプリケーションを可能にする。 ディープラーニングの導入により、楽器のセグメンテーションを画像から直接、あるいは画像から直接解決する多くの方法が提示された。 本稿では,ロボットツールセグメンテーションタスクの相補的因果モデルに基づいて設計した因果性駆動型ロボットツールセグメンテーションアルゴリズムCaRTSを提案する。
  論文  参考訳（メタデータ） (2022-03-15T22:26:19Z)
• A Machine Learning Framework for Automatic Prediction of Human Semen Motility [7.167550590287388]
  いくつかの回帰モデルは、与えられたサンプルにおいて進行性、非進行性、不動性精子の比率(0から100)を自動的に予測するように訓練されている。 線形サポートベクトル回帰器(SVR)、多層パーセプトロン(MLP)、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)を含む4つの機械学習モデル。 Crocker-Grierアルゴリズムを用いて精子を教師なしの方法で追跡することにより、運動性を予測するための最良の結果が得られる。
  論文  参考訳（メタデータ） (2021-09-16T15:26:40Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• 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)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Classification Under Human Assistance [29.220005688025378]
  教師付き学習モデルでは、異なる自動化レベル下での運用が、完全な自動化のためにトレーニングされた者や、単独で運用する人間よりも優れていることを示す。 医学診断におけるいくつかの応用から得られた合成および実世界のデータに関する実験は、我々の理論的知見を示している。
  論文  参考訳（メタデータ） (2020-06-21T16:52:37Z)

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。