論文の概要: Early Operative Difficulty Assessment in Laparoscopic Cholecystectomy via Snapshot-Centric Video Analysis
- arxiv url: http://arxiv.org/abs/2502.07008v1
- Date: Mon, 10 Feb 2025 20:14:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:07:49.882927
- Title: Early Operative Difficulty Assessment in Laparoscopic Cholecystectomy via Snapshot-Centric Video Analysis
- Title（参考訳）: 腹腔鏡下胆嚢摘出術におけるSnapshot-Centric Video Analysisによる早期手術困難度評価
- Authors: Saurav Sharma, Maria Vannucci, Leonardo Pestana Legori, Mario Scaglia, Giovanni Guglielmo Laracca, Didier Mutter, Sergio Alfieri, Pietro Mascagni, Nicolas Padoy,
- Abstract要約: 限定的なビデオ観察による早期LCOD評価の臨床的課題を提案する。
我々は,グローバルな時間分解能と局所的な時間分解能から特徴を分析し,LCODを評価する深層学習モデルであるSurgPrODを設計する。
ビデオレベルのLCODラベルを特徴とするColeScoreデータセットを導入し,本手法の有効性を検証した。
- 参考スコア（独自算出の注目度）: 3.104121871683839
- License:
- Abstract: Purpose: Laparoscopic cholecystectomy (LC) operative difficulty (LCOD) is highly variable and influences outcomes. Despite extensive LC studies in surgical workflow analysis, limited efforts explore LCOD using intraoperative video data. Early recog- nition of LCOD could allow prompt review by expert surgeons, enhance operating room (OR) planning, and improve surgical outcomes. Methods: We propose the clinical task of early LCOD assessment using limited video observations. We design SurgPrOD, a deep learning model to assess LCOD by analyzing features from global and local temporal resolutions (snapshots) of the observed LC video. Also, we propose a novel snapshot-centric attention (SCA) module, acting across snapshots, to enhance LCOD prediction. We introduce the CholeScore dataset, featuring video-level LCOD labels to validate our method. Results: We evaluate SurgPrOD on 3 LCOD assessment scales in the CholeScore dataset. On our new metric assessing early and stable correct predictions, SurgPrOD surpasses baselines by at least 0.22 points. SurgPrOD improves over baselines by at least 9 and 5 percentage points in F1 score and top1-accuracy, respectively, demonstrating its effectiveness in correct predictions. Conclusion: We propose a new task for early LCOD assessment and a novel model, SurgPrOD analyzing surgical video from global and local perspectives. Our results on the CholeScore dataset establishes a new benchmark to study LCOD using intraoperative video data.
- Abstract（参考訳）: 目的:腹腔鏡下胆嚢摘出術 (LCOD) の術後困難度は高く, 予後に影響を及ぼす。
外科的ワークフロー解析におけるLCODの広範な研究にもかかわらず,術中ビデオデータを用いたLCODの探索は限定的であった。
LCODの早期再投与は、専門家による即時レビューを可能にし、手術室(OR)計画を強化し、手術成績を改善することができる。
方法:限定的なビデオ観察による早期LCOD評価の臨床的課題を提案する。
観測されたLCビデオのグローバルおよびローカルな時間分解能(スナップショット)から特徴を分析してLCODを評価するディープラーニングモデルであるSurgPrODを設計する。
また、LCOD予測を向上させるために、スナップショット間で作用する新しいスナップショット中心注意(SCA)モジュールを提案する。
ビデオレベルのLCODラベルを特徴とするColeScoreデータセットを導入し,本手法の有効性を検証した。
結果:SurgPrODをColeScoreデータセットのLCOD評価尺度で評価した。
SurgPrODは、早期かつ安定した正しい予測を評価する新しい測定基準に基づいて、ベースラインを少なくとも0.22ポイント超える。
SurgPrODは、F1スコアとトップ1精度の少なくとも9ポイントと5ポイントのベースラインを改善し、その効果を正しい予測で示す。
結論: 早期LCOD評価のための新しい課題と新しいモデルであるSurgPrODを国際的・地域的視点から分析する。
CholeScoreデータセットの結果は,術中ビデオデータを用いたLCOD研究のための新しいベンチマークを確立した。
関連論文リスト
- Automatic segmentation of lung findings in CT and application to Long
COVID [38.69538648742266]
S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。
S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
論文 参考訳（メタデータ） (2023-10-13T23:42:43Z) - Automated Assessment of Critical View of Safety in Laparoscopic
Cholecystectomy [51.240181118593114]
胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。
LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。
本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-09-13T22:01:36Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - LLCaps: Learning to Illuminate Low-Light Capsule Endoscopy with Curved
Wavelet Attention and Reverse Diffusion [24.560417980602928]
ワイヤレスカプセル内視鏡(Wireless capsule endoscopy, WCE)は、消化器疾患の無痛・非侵襲診断ツールである。
医学領域における深層学習に基づく低照度画像強調(LLIE)は徐々に研究者を惹きつける。
マルチスケール畳み込みニューラルネットワーク(CNN)と逆拡散プロセスに基づく WCE LLIE フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-05T17:23:42Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - 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) - Surgical data science for safe cholecystectomy: a protocol for
segmentation of hepatocystic anatomy and assessment of the critical view of
safety [2.7457279076218666]
肝嚢胞性解剖学およびCVS基準の整合性アノテーションを促進するためのプロトコル,チェックリスト,視覚例を提示する。
外科的ビデオ解析のための深層学習モデルは、腹腔鏡下胆嚢摘出術の安全性評価などの視覚的タスクをサポートする可能性がある。
論文 参考訳（メタデータ） (2021-06-21T08:27:38Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - BS-Net: learning COVID-19 pneumonia severity on a large Chest X-Ray
dataset [6.5800499500032705]
我々は、Chest X-rays画像(CXR)に基づいて、新型コロナウイルス患者の肺妥協の度合いを判定するエンド・ツー・エンドのディープラーニングアーキテクチャを設計する。
当院で収集した約5,000個のCXR注釈画像の臨床的データセットを利用して検討した。
私たちのソリューションは、評価精度と一貫性において、一人のアノテータよりも優れています。
論文 参考訳（メタデータ） (2020-06-08T13:55:58Z) - 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)
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。