論文の概要: RoHan: Robust Hand Detection in Operation Room

• arxiv url: http://arxiv.org/abs/2501.08115v1
• Date: Tue, 14 Jan 2025 13:46:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:26:26.945186
• Title: RoHan: Robust Hand Detection in Operation Room
• Title（参考訳）: RoHan:操作室でのロバストハンド検出
• Authors: Roi Papo, Sapir Gershov, Tom Friedman, Itay Or, Gil Bolotin, Shlomi Laufer,
• Abstract要約: 露伴(ろはん)は手術室における手探りの新しい手法である。 ハンドウェア用手袋の合成画像を用いて,一般公開されているハンドデータセットを増強する手法であるArtificial Glovesを用いている。 術中切開再建術と静脈グラフト採取術の2つのデータセットを用いて本法の評価を行った。
• 参考スコア（独自算出の注目度）: 0.8246494848934447
• License:
• Abstract: Hand-specific localization has garnered significant interest within the computer vision community. Although there are numerous datasets with hand annotations from various angles and settings, domain transfer techniques frequently struggle in surgical environments. This is mainly due to the limited availability of gloved hand instances and the unique challenges of operating rooms (ORs). Thus, hand-detection models tailored to OR settings require extensive training and expensive annotation processes. To overcome these challenges, we present "RoHan" - a novel approach for robust hand detection in the OR, leveraging advanced semi-supervised domain adaptation techniques to tackle the challenges of varying recording conditions, diverse glove colors, and occlusions common in surgical settings. Our methodology encompasses two main stages: (1) data augmentation strategy that utilizes "Artificial Gloves," a method for augmenting publicly available hand datasets with synthetic images of hands-wearing gloves; (2) semi-supervised domain adaptation pipeline that improves detection performance in real-world OR settings through iterative prediction refinement and efficient frame filtering. We evaluate our method using two datasets: simulated enterotomy repair and saphenous vein graft harvesting. "RoHan" substantially reduces the need for extensive labeling and model training, paving the way for the practical implementation of hand detection technologies in medical settings.
• Abstract（参考訳）: 手固有のローカライゼーションはコンピュータビジョンコミュニティにおいて大きな関心を集めている。 さまざまな角度や設定から手書きアノテーションを付加したデータセットが多数存在するが、ドメイン転送技術は手術環境においてしばしば苦労する。 これは主に、愛らしいハンドインスタンスの可用性が限られていることと、オペレーティングルーム(OR)のユニークな課題が原因である。 したがって、OR設定に合わせて調整された手検出モデルは、広範囲のトレーニングと高価なアノテーションプロセスを必要とする。 これらの課題を克服するために, ORにおける堅牢な手検出のための新しいアプローチであるRoHanを紹介し, 高度な半教師付きドメイン適応技術を活用して, 異なる記録条件, 多様な手袋, 手術現場に共通するオクルージョンの課題に対処する。 本手法は,(1)手動手袋の合成画像を用いた公開手動データセットの強化手法であるArtificial Glovesを利用したデータ拡張戦略,(2)実世界のOR設定における検出性能を向上させる半教師付き領域適応パイプラインの2段階を含む。 術中切開再建術と静脈グラフト採取術の2つのデータセットを用いて本法の評価を行った。 「老藩」は、医療現場における手探傷技術の実践的実現に向けて、広範囲なラベル付けやモデルトレーニングの必要性を大幅に減らした。

関連論文リスト

• Data Augmentation-Based Unsupervised Domain Adaptation In Medical Imaging [0.709016563801433]
  脳MRI領域分割における堅牢な領域適応のための教師なし手法を提案する。 その結果,提案手法は高い精度を実現し,幅広い適用性を示し,各種タスクにおけるドメインシフトに対する顕著な堅牢性を示した。
  論文  参考訳（メタデータ） (2023-08-08T17:00:11Z)
• Hand tracking for clinical applications: validation of the Google MediaPipe Hand (GMH) and the depth-enhanced GMH-D frameworks [0.0]
  目的は、Google MediaPipe Hand(GMH)と革新的な拡張版であるGMH-Dによって実装されたハンドトラッキングフレームワークを検証することである。 手の障害を評価するために臨床医が一般的に実施する3つのダイナミックエクササイズについて考察する。 その結果,両フレームワークの時間的およびスペクトル的整合性が高いことがわかった。
  論文  参考訳（メタデータ） (2023-08-02T11:44:49Z)
• 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)
• Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
  自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。 非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。 本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
  論文  参考訳（メタデータ） (2023-07-27T08:58:05Z)
• POV-Surgery: A Dataset for Egocentric Hand and Tool Pose Estimation During Surgical Activities [4.989930168854209]
  POV-Surgeryは、異なる手術用手袋と3つの整形外科器具を持つ手のポーズ推定に焦点を当てた、大規模で合成されたエゴセントリックなデータセットである。 我々のデータセットは53のシーケンスと88,329のフレームで構成され、高解像度のRGB-Dビデオストリームとアクティビティアノテーションを備えている。 我々はPOV-Surgeryにおける現在のSOTA法を微調整し、手術用手袋と工具を用いた実生活症例に適用する際の一般化性を示す。
  論文  参考訳（メタデータ） (2023-07-19T18:00:32Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• 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)
• Adversarial Motion Modelling helps Semi-supervised Hand Pose Estimation [116.07661813869196]
  そこで本稿では,非ラベルビデオに対人トレーニングとモーションモデリングのアイデアを組み合わせることを提案する。 本研究は,非ラベル映像系列の半教師あり学習により,逆方向が手ポーズ推定器の特性の向上につながることを示す。 このアプローチの主な利点は、ペアのトレーニングデータよりもはるかに容易に、未ペアのビデオとジョイントシーケンスデータを利用することができることです。
  論文  参考訳（メタデータ） (2021-06-10T17:50:19Z)
• Temporally Guided Articulated Hand Pose Tracking in Surgical Videos [27.525545343598527]
  関節した手のポーズ追跡は未熟な問題であり、広範囲のアプリケーションでの使用の可能性を秘めている。 ポーズ予測の前にハンドポーズを組み込むことでトラッキング精度を向上させる,新しいハンドポーズ推定モデルRes152-CondPoseを提案する。 私たちのデータセットには、28の公開手術ビデオと8.1kの注釈付きハンドポーズインスタンスから76のビデオクリップが含まれています。
  論文  参考訳（メタデータ） (2021-01-12T03:44:04Z)
• Using Computer Vision to Automate Hand Detection and Tracking of Surgeon Movements in Videos of Open Surgery [8.095095522269352]
  コンピュータビジョンの進歩を活かし,外科手術の映像解析に自動的アプローチを導入する。 オブジェクト検出のための最先端の畳み込みニューラルネットワークアーキテクチャを使用して、開手術ビデオの操作手を検出する。 本モデルの操作手の空間的検出は、既存の手検出データセットを用いて達成した検出を大幅に上回る。
  論文  参考訳（メタデータ） (2020-12-13T03:10:09Z)
• 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。