論文の概要: CataractCompDetect: Intraoperative Complication Detection in Cataract Surgery

• arxiv url: http://arxiv.org/abs/2511.18968v1
• Date: Mon, 24 Nov 2025 10:34:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.158271
• Title: CataractCompDetect: Intraoperative Complication Detection in Cataract Surgery
• Title（参考訳）: CataractCompDetect:白内障手術における術中合併症検出
• Authors: Bhuvan Sachdeva, Sneha Kumari, Rudransh Agarwal, Shalaka Kumaraswamy, Niharika Singri Prasad, Simon Mueller, Raphael Lechtenboehmer, Maximilian W. M. Wintergerst, Thomas Schultz, Kaushik Murali, Mohit Jain,
• Abstract要約: CataractCompDetectは、位相認識のローカライゼーション、SAM 2ベースのトラッキング、合併症特異的リスクスコアリング、最終分類のための視覚言語推論を組み合わせたものだ。 CataCompでは、CatalactCompDetectの平均F1スコアは70.63%、合併症当たりのパフォーマンスは81.8%(アイリス・プロラプス)、60.87%(PCR)、69.23%(硝子体喪失)である。
• 参考スコア（独自算出の注目度）: 3.3884925376993347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cataract surgery is one of the most commonly performed surgeries worldwide, yet intraoperative complications such as iris prolapse, posterior capsule rupture (PCR), and vitreous loss remain major causes of adverse outcomes. Automated detection of such events could enable early warning systems and objective training feedback. In this work, we propose CataractCompDetect, a complication detection framework that combines phase-aware localization, SAM 2-based tracking, complication-specific risk scoring, and vision-language reasoning for final classification. To validate CataractCompDetect, we curate CataComp, the first cataract surgery video dataset annotated for intraoperative complications, comprising 53 surgeries, including 23 with clinical complications. On CataComp, CataractCompDetect achieves an average F1 score of 70.63%, with per-complication performance of 81.8% (Iris Prolapse), 60.87% (PCR), and 69.23% (Vitreous Loss). These results highlight the value of combining structured surgical priors with vision-language reasoning for recognizing rare but high-impact intraoperative events. Our dataset and code will be publicly released upon acceptance.
• Abstract（参考訳）: 白内障手術は世界中で最も一般的に施行されている手術の1つだが,術中合併症として虹彩脱落, PCR, 硝子体喪失が主な原因となっている。 このようなイベントの自動検出は、早期警告システムと客観的なトレーニングフィードバックを可能にする。 本研究では,位相認識型ローカライゼーション,SAM2ベースのトラッキング,合併症特異的リスクスコアリング,最終分類のための視覚言語推論を組み合わせた複合検出フレームワークであるCatalactCompDetectを提案する。 CataractCompDetectを検証するために,第1回白内障手術用ビデオデータセットであるCatalactCompDetectを治療した。 CataCompでは、CatalactCompDetectの平均F1スコアは70.63%、合併症当たりのパフォーマンスは81.8%(アイリス・プロラプス)、60.87%(PCR)、69.23%(硝子体喪失)である。 これらの結果から, 構造的外科的先行と視覚言語推論を併用して, 稀だが高インパクトな術中事象を認識することの重要性が示唆された。 私たちのデータセットとコードは、受け入れ次第公開されます。

関連論文リスト

• Improving Surgical Risk Prediction Through Integrating Automated Body Composition Analysis: a Retrospective Trial on Colectomy Surgery [3.424374887940227]
  大腸全摘術後1年で死亡率の予測が得られた。 術後合併症,非計画的寛解,輸血,重症感染症が続発した。
  論文  参考訳（メタデータ） (2025-06-13T17:51:14Z)
• ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
  ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。 このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。 ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
  論文  参考訳（メタデータ） (2025-06-01T19:29:39Z)
• Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
  術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。 既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。 本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T14:55:57Z)
• Predicting Postoperative Intraocular Lens Dislocation in Cataract Surgery via Deep Learning [5.40411016117853]
  白内障術後の難治性合併症は眼内レンズ脱臼である。 手術中のレンズ展開遅延,回転,不安定性の計算のための,最初の完全自動フレームワークを開発し,評価した。 4つの眼内レンズブランドを特徴とする白内障手術ビデオの大規模データセットを利用する。
  論文  参考訳（メタデータ） (2023-12-06T10:27:15Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
  ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。 本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-26T21:21:12Z)
• CholecTriplet2021: A benchmark challenge for surgical action triplet recognition [66.51610049869393]
  腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。 課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。 4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
  論文  参考訳（メタデータ） (2022-04-10T18:51:55Z)
• LensID: A CNN-RNN-Based Framework Towards Lens Irregularity Detection in Cataract Surgery Videos [6.743968799949719]
  白内障手術後の合併症は、視力低下と眼外傷につながるレンズインプラントの脱臼である。 本稿では、レンズ導入フェーズを認識するエンドツーエンドのリカレントニューラルネットワークと、インプラントフェーズ後にレンズと瞳孔を分割する新しいセマンティックセマンティックセマンティックネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-02T07:27:29Z)

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。