論文の概要: Beyond Role-Based Surgical Domain Modeling: Generalizable Re-Identification in the Operating Room

• arxiv url: http://arxiv.org/abs/2503.13028v1
• Date: Mon, 17 Mar 2025 10:30:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:30:24.347759
• Title: Beyond Role-Based Surgical Domain Modeling: Generalizable Re-Identification in the Operating Room
• Title（参考訳）: ロールベース手術領域モデリングを超えて:手術室における一般化可能な再同定
• Authors: Tony Danjun Wang, Lennart Bastian, Tobias Czempiel, Christian Heiliger, Nassir Navab,
• Abstract要約: 本稿では,各チームメンバーの独特の動きパターンと身体的特徴を特徴付ける,スタッフ中心のモデリング手法を提案する。 我々は3次元点雲の列を符号化して形状と各個人固有の動きパターンを抽出する一般化可能な再同定フレームワークを開発した。 本手法は, 現実的な臨床データに対して86.19%の精度を達成し, 異なる環境間での移動時の75.27%の精度を維持した。
• 参考スコア（独自算出の注目度）: 36.67627283629717
• License:
• Abstract: Surgical domain models improve workflow optimization through automated predictions of each staff member's surgical role. However, mounting evidence indicates that team familiarity and individuality impact surgical outcomes. We present a novel staff-centric modeling approach that characterizes individual team members through their distinctive movement patterns and physical characteristics, enabling long-term tracking and analysis of surgical personnel across multiple procedures. To address the challenge of inter-clinic variability, we develop a generalizable re-identification framework that encodes sequences of 3D point clouds to capture shape and articulated motion patterns unique to each individual. Our method achieves 86.19% accuracy on realistic clinical data while maintaining 75.27% accuracy when transferring between different environments - a 12% improvement over existing methods. When used to augment markerless personnel tracking, our approach improves accuracy by over 50%. Through extensive validation across three datasets and the introduction of a novel workflow visualization technique, we demonstrate how our framework can reveal novel insights into surgical team dynamics and space utilization patterns, advancing methods to analyze surgical workflows and team coordination.
• Abstract（参考訳）: 手術領域モデルは、各スタッフの外科的役割を自動予測することでワークフロー最適化を改善する。 しかし、チームの親しみと個性が外科的結果に影響を及ぼす証拠が盛り込まれている。 本稿では,各チームメンバーの運動パターンや身体的特徴を特徴付ける新しいスタッフ中心型モデリング手法を提案する。 本研究では,3次元点雲の列を符号化し,各個人固有の形状と明瞭な動きパターンを抽出する一般化可能な再同定フレームワークを開発する。 本手法は, 異なる環境間での移動において, 75.27%の精度を維持しながら, 現実的な臨床データに対して86.19%の精度を達成し, 既存の方法よりも12%改善した。 マーカーレス人事追跡に使用する場合, 精度を50%以上向上させる。 3つのデータセットにわたる広範な検証と新しいワークフロー可視化技術の導入を通じて、我々のフレームワークは、外科的チームのダイナミクスと空間利用パターンに対する新しい洞察、手術的ワークフローの分析とチームのコーディネーションの方法の進歩をいかに明らかにできるかを実証する。

関連論文リスト

• Continually Evolved Multimodal Foundation Models for Cancer Prognosis [50.43145292874533]
  がん予後は、患者の予後と生存率を予測する重要なタスクである。 これまでの研究では、臨床ノート、医療画像、ゲノムデータなどの多様なデータモダリティを統合し、補完的な情報を活用している。 既存のアプローチには2つの大きな制限がある。まず、各病院の患者記録など、各種のトレーニングに新しく到着したデータを組み込むことに苦慮する。 第二に、ほとんどのマルチモーダル統合手法は単純化された結合やタスク固有のパイプラインに依存しており、モダリティ間の複雑な相互依存を捉えることができない。
  論文  参考訳（メタデータ） (2025-01-30T06:49:57Z)
• Advancing clinical trial outcomes using deep learning and predictive modelling: bridging precision medicine and patient-centered care [0.0]
  深層学習と予測モデリングは、臨床試験設計、患者採用、リアルタイムモニタリングを最適化するための変換ツールとして登場した。 本研究では、畳み込みニューラルネットワーク(CNN)やトランスフォーマーモデルなどの深層学習技術の患者層化への応用について検討する。 生存分析や時系列予測を含む予測モデリング手法は、試行結果の予測、効率の向上、試行失敗率の低減に用いられている。
  論文  参考訳（メタデータ） (2024-12-09T23:20:08Z)
• Adaptive Graph Learning from Spatial Information for Surgical Workflow Anticipation [9.329654505950199]
  本稿では,新しい空間表現に基づく外科的ワークフロー予測のための適応型グラフ学習フレームワークを提案する。 我々は、異なる時間軸の学習目標のバランスを保ち、制約のない予測を可能にするマルチ水平目標を開発する。
  論文  参考訳（メタデータ） (2024-12-09T12:53:08Z)
• Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data [9.21828361691977]
  本研究は整形外科手術における手術ナビゲーション導入における重要な障害に対処するものである。 これは、少数の蛍光画像から脊椎の3次元解剖モデルを生成するためのアプローチを示す。 これまでの合成データに基づく研究の精度に匹敵する84%のF1スコアを達成しました。
  論文  参考訳（メタデータ） (2024-01-29T10:22:45Z)
• MR-STGN: Multi-Residual Spatio Temporal Graph Network Using Attention Fusion for Patient Action Assessment [0.30693357740321775]
  MR-STGN(Multi-Residual Spatio Temporal Graph Network)を用いた患者行動評価の自動化手法を提案する。 MR-STGNは患者行動のダイナミクスを捉えるように設計されている。 リアルタイムの患者行動スコアを正確に予測する上で,UI-PRMDデータセットの性能を示すモデルについて検討した。
  論文  参考訳（メタデータ） (2023-12-21T01:09:52Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• BOSS: Bones, Organs and Skin Shape Model [10.50175010474078]
  我々は,CT画像から学習した皮膚,内臓,骨を結合した変形可能な人体形状とポーズモデルを提案する。 確率的PCAを用いて、ポーズ正規化空間の統計的変動をモデル化することにより、本手法は身体の全体像を提供する。
  論文  参考訳（メタデータ） (2023-03-08T22:31:24Z)
• 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)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
  本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。 本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
  論文  参考訳（メタデータ） (2020-11-03T11:00:10Z)

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。