論文の概要: AI-driven Automation of End-to-end Assessment of Suturing Expertise

• arxiv url: http://arxiv.org/abs/2503.17391v1
• Date: Mon, 17 Mar 2025 21:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-30 06:39:03.824075
• Title: AI-driven Automation of End-to-end Assessment of Suturing Expertise
• Title（参考訳）: AIによるサテュア専門家のエンドツーエンド評価の自動化
• Authors: Atharva Deo, Nicholas Matsumoto, Sun Kim, Peter Wager, Randy G. Tsai, Aaron Denmark, Cherine Yang, Xi Li, Jay Moran, Miguel Hernandez, Andrew J. Hung,
• Abstract要約: 我々は、サチューリングエキスパートズ(EASE)のエンドツーエンド評価を自動化するAIベースのアプローチを提案する。 EASEは、縫合に関するきめ細かいスキルアセスメントを提供し、実践可能な洞察とともに、訓練生に自身の適性に対する客観的な評価を提供する。 AIベースのアプローチは、モデル推論中に最小限のリソースでリアルタイムスコア予測を可能にすることで、この問題を解決する。
• 参考スコア（独自算出の注目度）: 6.4885743283287
• License:
• Abstract: We present an AI based approach to automate the End-to-end Assessment of Suturing Expertise (EASE), a suturing skills assessment tool that comprehensively defines criteria around relevant sub-skills.1 While EASE provides granular skills assessment related to suturing to provide trainees with an objective evaluation of their aptitude along with actionable insights, the scoring process is currently performed by human evaluators, which is time and resource consuming. The AI based approach solves this by enabling real-time score prediction with minimal resources during model inference. This enables the possibility of real-time feedback to the surgeons/trainees, potentially accelerating the learning process for the suturing task and mitigating critical errors during the surgery, improving patient outcomes. In this study, we focus on the following 7 EASE domains that come under 3 suturing phases: 1) Needle Handling: Number of Repositions, Needle Hold Depth, Needle Hold Ratio, and Needle Hold Angle; 2) Needle Driving: Driving Smoothness, and Wrist Rotation; 3) Needle Withdrawal: Wrist Rotation.
• Abstract（参考訳）: 我々は、関連するサブスキルに関する基準を包括的に定義する縫合スキル評価ツール、EASE(End-to-end Assessment of Suturing Expertise)を自動化するためのAIベースのアプローチを提案する。 EASEは、トレーニング担当者に対して、行動可能な洞察とともに、客観的な適性評価を提供するために、縫合に関するきめ細かいスキルアセスメントを提供する一方で、現在、評価プロセスは、時間とリソース消費である人間の評価者によって実施されている。 AIベースのアプローチは、モデル推論中に最小限のリソースでリアルタイムスコア予測を可能にすることで、この問題を解決する。 これにより、外科医や研修生へのリアルタイムフィードバックが可能となり、縫合作業の学習プロセスが加速し、手術中に重大なエラーを軽減し、患者の成果が向上する可能性がある。 本研究では,以下の7つのEASEドメインに焦点をあてる。 1) 針取扱い:留置数、針保持深さ、針保持率、針保持角度 2 針運転:平滑運転、リストローテーション 3) Wrist Rotation: Needle Withdrawal

関連論文リスト

• Detecting Activities of Daily Living in Egocentric Video to Contextualize Hand Use at Home in Outpatient Neurorehabilitation Settings [2.9158689853305693]
  本研究では, 現実のリハビリテーション環境において, 日常生活活動(ADL)を効果的に認識することが可能であることを示す。 健常者16名を対象に,エゴセントリックな映像を2261分収録した複雑なデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-12-14T14:38:27Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• Leveraging graph neural networks for supporting Automatic Triage of Patients [5.864579168378686]
  本稿では,救急部門における緊急コード割り当てを管理するためのAIベースのモジュールを提案する。 バイタルサイン、症状、医療史などの関連する患者情報を含むデータは、患者をトリアージカテゴリーに正確に分類するために使用される。
  論文  参考訳（メタデータ） (2024-03-11T09:54:35Z)
• A study on the impact of Self-Supervised Learning on automatic dysarthric speech assessment [6.284142286798582]
  以上の結果から,HuBERTは難聴分類,単語認識,インテリジェンス分類において最も汎用性の高い特徴抽出器であり,従来の音響特徴と比較して,それぞれ+24.7%,+61%,テキストおよび+7.2%の精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-06-07T11:04:02Z)
• Towards Stroke Patients' Upper-limb Automatic Motor Assessment Using Smartwatches [5.132618393976799]
  スマートウォッチを用いて脳卒中患者に対する上肢評価パイプラインを設計することを目的としている。 本研究の目的は,Fugl-Meyerアセスメント尺度に触発された4つの重要な動きを自動的に検出し,認識することである。
  論文  参考訳（メタデータ） (2022-12-09T14:00:49Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Video-based Formative and Summative Assessment of Surgical Tasks using Deep Learning [0.8612287536028312]
  本稿では,外科的スキル実行の高精度な評価を自動的かつ客観的に行うことができる深層学習(DL)モデルを提案する。 整形性評価は外科的パフォーマンスと相関する視覚特徴のヒートマップを用いて生成される。
  論文  参考訳（メタデータ） (2022-03-17T20:07:48Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
  VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。 VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
  論文  参考訳（メタデータ） (2021-07-27T16:39:45Z)
• 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)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。