論文の概要: Model selection and real-time skill assessment for suturing in robotic surgery
- arxiv url: http://arxiv.org/abs/2601.12012v1
- Date: Sat, 17 Jan 2026 11:28:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 05:47:15.440914
- Title: Model selection and real-time skill assessment for suturing in robotic surgery
- Title（参考訳）: ロボット手術における縫合のためのモデル選択とリアルタイムスキルアセスメント
- Authors: Zhaoyang Jacopo Hu, Alex Ranne, Alaa Eldin Abdelaal, Kiran Bhattacharyya, Etienne Burdet, Allison M. Okamura, Ferdinando Rodriguez y Baena,
- Abstract要約: 我々はOSATSスコアに基づいてリアルタイムに外科的スキルレベルのリアルタイム予測を実現する方法について検討した。
モデル設計においては,外科的スキルレベルを予測するための多モード深層学習モデルの有効性を評価する。
スキルレベルに基づくクロスバリデーションでは,異なるスキルレベルを持つ外科医のモデルを個別に訓練した。
- 参考スコア（独自算出の注目度）: 33.229894165318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated feedback systems have the potential to provide objective skill assessment for training and evaluation in robot-assisted surgery. In this study, we examine methods to achieve real-time prediction of surgical skill level in real-time based on Objective Structured Assessment of Technical Skills (OSATS) scores. Using data acquired from the da Vinci Surgical System, we carry out three main analyses, focusing on model design, their real-time performance, and their skill-level-based cross-validation training. For the model design, we evaluate the effectiveness of multimodal deep learning models for predicting surgical skill levels using synchronized kinematic and vision data. Our models include separate unimodal baselines and fusion architectures that integrate features from both modalities and are evaluated using mean Spearman's correlation coefficients, demonstrating that the fusion model consistently outperforms unimodal models for real-time predictions. For the real-time performance, we observe the prediction's trend over time and highlight correlation with the surgeon's gestures. For the skill-level-based cross-validation, we separately trained models on surgeons with different skill levels, which showed that high-skill demonstrations allow for better performance than those trained on low-skilled ones and generalize well to similarly skilled participants. Our findings show that multimodal learning allows more stable fine-grained evaluation of surgical performance and highlights the value of expert-level training data for model generalization.
- Abstract（参考訳）: 自動フィードバックシステムは、ロボット支援手術におけるトレーニングと評価のための客観的スキルアセスメントを提供する可能性がある。
本研究では,OSATS(Objective Structured Assessment of Technical Skills)スコアに基づいて,リアルタイムに外科的スキルレベルのリアルタイム予測を実現する方法を検討する。
da Vinci 手術システムから取得したデータを用いて,モデル設計,リアルタイムパフォーマンス,スキルレベルに基づくクロスバリデーショントレーニングの3つの主要な分析を行った。
モデル設計において,同期キネマティックおよび視覚データを用いて,外科的スキルレベルを予測するためのマルチモーダル深層学習モデルの有効性を評価する。
我々のモデルには、両方のモダリティから特徴を統合し、平均スピアマンの相関係数を用いて評価されるユニモーダルベースラインと融合アーキテクチャが含まれており、融合モデルはリアルタイム予測のためのユニモーダルモデルより一貫して優れていることを示す。
リアルタイムのパフォーマンスでは,時間とともに予測の傾向が観察され,外科医のジェスチャーとの相関が強調される。
スキルレベルに基づくクロスバリデーションでは,異なるスキルレベルを持つ外科医のモデルを個別にトレーニングした。
以上の結果から,マルチモーダル学習はより安定した手術成績評価を可能にし,モデル一般化のためのエキスパートレベルのトレーニングデータの価値を強調した。
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) - Analysis of Transferability Estimation Metrics for Surgical Phase Recognition [3.3285108719932555]
微調整された事前学習モデルは現代の機械学習の基盤となり、限られたラベル付きデータで実践者がハイパフォーマンスを達成できるようになった。
専門的アノテーションが特に時間がかかり費用がかかる外科的ビデオ解析では、下流タスクに最適な事前学習モデルを特定することが重要かつ困難である。
我々は,2つの多様なデータセット上で,LogME,H-Score,TransRateの3つの代表的な指標の総合ベンチマークを行った。
論文 参考訳（メタデータ） (2025-08-22T18:05:33Z) - Anomaly Detection Using Computer Vision: A Comparative Analysis of Class Distinction and Performance Metrics [0.0]
本研究は,OpenCVとディープラーニング技術を組み合わせたクラス区別と性能評価に焦点を当てた。
この制度は、権限のある人(管理者)、侵入者、非人間的存在の3つの階級を効果的に区別する。
論文 参考訳（メタデータ） (2025-03-24T19:36:47Z) - 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) - How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation [6.547981908229007]
アーキテクチャとフレームワークのバイアスがモデルのパフォーマンスにどのように影響するかを示します。
実験では、プリプロセッシングと実装の選択に基づいて、最大20%の性能変化を示す。
我々は,現在の深層計算法と医療要件の相違点を同定する。
論文 参考訳（メタデータ） (2024-07-11T12:33:28Z) - Distilled Datamodel with Reverse Gradient Matching [74.75248610868685]
オフライントレーニングとオンライン評価段階を含む,データ影響評価のための効率的なフレームワークを提案する。
提案手法は, 直接再学習法と比較して, プロセスの大幅な高速化を図りながら, 同等のモデル行動評価を実現する。
論文 参考訳（メタデータ） (2024-04-22T09:16:14Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z) - Fantastic Gains and Where to Find Them: On the Existence and Prospect of
General Knowledge Transfer between Any Pretrained Model [74.62272538148245]
事前訓練されたモデルの任意のペアリングに対して、一方のモデルは他方では利用できない重要なデータコンテキストを抽出する。
このような「補的」な知識を,性能劣化を伴わずに,あるモデルから別のモデルへ伝達できるかどうかを検討する。
論文 参考訳（メタデータ） (2023-10-26T17:59:46Z) - 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)
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。