論文の概要: Kinematic-Based Assessment of Surgical Actions in Microanastomosis

• arxiv url: http://arxiv.org/abs/2512.23942v1
• Date: Tue, 30 Dec 2025 02:18:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.256471
• Title: Kinematic-Based Assessment of Surgical Actions in Microanastomosis
• Title（参考訳）: 微小肛門形成術における手術動作の運動学的評価
• Authors: Yan Meng, Daniel Donoho, Marcelle Altshuler, Omar Arnaout,
• Abstract要約: マイクロアナコシスにおける自動動作セグメンテーションとパフォーマンスアセスメントのためのAI駆動型フレームワークを提案する。 58人の専門家によるマイクロアナコシスビデオのデータセットは、我々のアプローチの有効性を実証している。
• 参考スコア（独自算出の注目度）: 4.92174988745803
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Proficiency in microanastomosis is a critical surgical skill in neurosurgery, where the ability to precisely manipulate fine instruments is crucial to successful outcomes. These procedures require sustained attention, coordinated hand movements, and highly refined motor skills, underscoring the need for objective and systematic methods to evaluate and enhance microsurgical training. Conventional assessment approaches typically rely on expert raters supervising the procedures or reviewing surgical videos, which is an inherently subjective process prone to inter-rater variability, inconsistency, and significant time investment. These limitations highlight the necessity for automated and scalable solutions. To address this challenge, we introduce a novel AI-driven framework for automated action segmentation and performance assessment in microanastomosis procedures, designed to operate efficiently on edge computing platforms. The proposed system comprises three main components: (1) an object tip tracking and localization module based on YOLO and DeepSORT; (2) an action segmentation module leveraging self-similarity matrix for action boundary detection and unsupervised clustering; and (3) a supervised classification module designed to evaluate surgical gesture proficiency. Experimental validation on a dataset of 58 expert-rated microanastomosis videos demonstrates the effectiveness of our approach, achieving a frame-level action segmentation accuracy of 92.4% and an overall skill classification accuracy of 85.5% in replicating expert evaluations. These findings demonstrate the potential of the proposed method to provide objective, real-time feedback in microsurgical education, thereby enabling more standardized, data-driven training protocols and advancing competency assessment in high-stakes surgical environments.
• Abstract（参考訳）: マイクロアナコシスの熟練性は神経外科において重要な手術技術であり、細管を正確に操作する能力は成功に不可欠である。 これらの手順には、持続的な注意、協調した手の動き、高度に洗練された運動能力が必要であり、マイクロサージカルトレーニングの評価と強化のための客観的かつ体系的な方法の必要性が強調されている。 従来のアセスメントアプローチは、通常、プロシージャを監督したり、手術ビデオのレビューを行う専門家のレーダに頼っている。 これらの制限は、自動化されたスケーラブルなソリューションの必要性を強調します。 この課題に対処するために,我々は,エッジコンピューティングプラットフォーム上で効率的に動作するように設計された,自動アクションセグメンテーションとパフォーマンスアセスメントのための,新しいAI駆動フレームワークを導入する。 提案システムは,(1) YOLOとDeepSORTに基づく物体の先端追跡と位置決めモジュール,(2) 動作境界検出と非教師なしクラスタリングに自己相似行列を活用するアクションセグメンテーションモジュール,(3) ジェスチャーの熟練度を評価するために設計された教師付き分類モジュールからなる。 58人の専門家によるマイクロアナコシスビデオのデータセットに対する実験的検証は、我々のアプローチの有効性を示し、フレームレベルのアクションセグメンテーション精度92.4%、総合的なスキル分類精度85.5%を実現している。 これらの結果は,マイクロサージカル教育における客観的かつリアルタイムなフィードバックの提供の可能性を示し,より標準化されたデータ駆動トレーニングプロトコルの実現と,高度な外科的環境における能力評価の推進を可能にした。

関連論文リスト

• AI-Driven Evaluation of Surgical Skill via Action Recognition [4.92174988745803]
  マイクロアナコシス性能の自動評価のためのAI駆動型フレームワークを提案する。 マイクロアナコシススキルの5つの側面、例えば、全体的な動作実行、プロシージャクリティカルアクション中の運動品質、一般的な楽器ハンドリングについて評価する。
  論文  参考訳（メタデータ） (2025-12-30T18:45:34Z)
• Quantitative Outcome-Oriented Assessment of Microsurgical Anastomosis [7.432334662327386]
  本稿では,マイクロサージカル解剖の客観的評価に画像処理技術を用いる定量的フレームワークを提案する。 このアプローチでは、エラーの幾何学的モデリングと、検出とスコアリングのメカニズムを使用する。 その結果, 幾何測定基準は, 本研究で考慮された誤差に対して, 専門家のスコアを効果的に再現できることが示唆された。
  論文  参考訳（メタデータ） (2025-08-26T09:14:31Z)
• An Automated Machine Learning Framework for Surgical Suturing Action Detection under Class Imbalance [1.2043621020930133]
  解釈可能なアウトプットによる外科的動作のリアルタイム検出は,自動的かつリアルタイムな指導フィードバックとスキル開発に不可欠である。 本稿では,経験者および研修医双方から収集した手術行動データに基づいて,自動機械学習手法を用いた迅速な展開手法を提案する。
  論文  参考訳（メタデータ） (2025-02-10T12:47:36Z)
• Automating Feedback Analysis in Surgical Training: Detection, Categorization, and Assessment [65.70317151363204]
  本研究は,非構造化現実記録からの外科的対話を再構築するための最初の枠組みを紹介する。 外科訓練では,ライブ手術中に訓練者に提供する形式的言語フィードバックは,安全性の確保,行動の即時修正,長期的スキル獲得の促進に不可欠である。 本フレームワークは,音声活動の検出,話者ダイアリゼーション,自動音声認識と,幻覚を除去する新たな拡張機能を統合する。
  論文  参考訳（メタデータ） (2024-12-01T10:35:12Z)
• 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)
• SAR-RARP50: Segmentation of surgical instrumentation and Action Recognition on Robot-Assisted Radical Prostatectomy Challenge [72.97934765570069]
  外科的動作認識と意味計測のセグメンテーションのための,最初のマルチモーダルなインビボデータセットを公開し,ロボット補助根治術(RARP)の50の縫合ビデオセグメントを収録した。 この課題の目的は、提供されたデータセットのスケールを活用し、外科領域における堅牢で高精度なシングルタスクアクション認識とツールセグメンテーションアプローチを開発することである。 合計12チームがこのチャレンジに参加し、7つのアクション認識方法、9つの計器のセグメンテーション手法、そしてアクション認識と計器のセグメンテーションを統合した4つのマルチタスクアプローチをコントリビュートした。
  論文  参考訳（メタデータ） (2023-12-31T13:32:18Z)
• 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)
• Real-time Informative Surgical Skill Assessment with Gaussian Process Learning [12.019641896240245]
  本研究は,ESSBSのためのガウス的プロセス学習に基づく自動的客観的外科的スキル評価手法を提案する。 提案手法は,計測器の動きを内視鏡座標に投影し,データ次元を減少させる。 実験結果から,完全外科手術における100%の予測精度と,リアルタイムの予測評価における90%の精度が得られた。
  論文  参考訳（メタデータ） (2021-12-05T15:35:40Z)
• Simulation-to-Real domain adaptation with teacher-student learning for endoscopic instrument segmentation [1.1047993346634768]
  注釈付きシミュレーションデータとラベルのない実データから共同学習する教師学習手法を紹介します。 3つのデータセットの実証結果は、提案したフレームワークの有効性を浮き彫りにする。
  論文  参考訳（メタデータ） (2021-03-02T09:30:28Z)
• 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。