論文の概要: An AI Framework for Microanastomosis Motion Assessment

• arxiv url: http://arxiv.org/abs/2601.21120v1
• Date: Wed, 28 Jan 2026 23:23:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.479465
• Title: An AI Framework for Microanastomosis Motion Assessment
• Title（参考訳）: マイクロアナコシス運動評価のためのAIフレームワーク
• Authors: Yan Meng, Eduardo J. Torres-Rodríguez, Marcelle Altshuler, Nishanth Gowda, Arhum Naeem, Recai Yilmaz, Omar Arnaout, Daniel A. Donoho,
• Abstract要約: マイクロアナコシス機器ハンドリングスキルの自動評価のための新しいAIフレームワークを提案する。 本システムは,(1)You Only Look Once (YOLO)アーキテクチャに基づく機器検出モジュール,(2)Deep Simple Online and Realtime Tracking (DeepSORT)から開発された機器追跡モジュール,(3)形状記述子を用いた機器チップローカライゼーションモジュールの4つのコアコンポーネントを統合する。 実験の結果,機器検出精度97%,平均平均精度96%,IoU閾値50%から95%(m)で測定した。
• 参考スコア（独自算出の注目度）: 3.9524886416531753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proficiency in microanastomosis is a fundamental competency across multiple microsurgical disciplines. These procedures demand exceptional precision and refined technical skills, making effective, standardized assessment methods essential. Traditionally, the evaluation of microsurgical techniques has relied heavily on the subjective judgment of expert raters. They are inherently constrained by limitations such as inter-rater variability, lack of standardized evaluation criteria, susceptibility to cognitive bias, and the time-intensive nature of manual review. These shortcomings underscore the urgent need for an objective, reliable, and automated system capable of assessing microsurgical performance with consistency and scalability. To bridge this gap, we propose a novel AI framework for the automated assessment of microanastomosis instrument handling skills. The system integrates four core components: (1) an instrument detection module based on the You Only Look Once (YOLO) architecture; (2) an instrument tracking module developed from Deep Simple Online and Realtime Tracking (DeepSORT); (3) an instrument tip localization module employing shape descriptors; and (4) a supervised classification module trained on expert-labeled data to evaluate instrument handling proficiency. Experimental results demonstrate the effectiveness of the framework, achieving an instrument detection precision of 97%, with a mean Average Precision (mAP) of 96%, measured by Intersection over Union (IoU) thresholds ranging from 50% to 95% (mAP50-95).
• Abstract（参考訳）: マイクロアナマイシスの熟練度は、複数のマイクロ手術分野にまたがる基本的な能力である。 これらの手順は例外的な精度と技術的スキルを要求され、効果的で標準化された評価方法が不可欠である。 伝統的に、マイクロサージカル技術の評価は、専門家のトレーナーの主観的判断に大きく依存している。 それらは本質的に、ラッター間変動性、標準化された評価基準の欠如、認知バイアスへの感受性、マニュアルレビューの時間集約性といった制限によって制限されている。 これらの欠点は、マイクロサージカルパフォーマンスを一貫性とスケーラビリティで評価できる、客観的で信頼性が高く、自動化されたシステムに対する緊急の必要性を浮き彫りにしている。 このギャップを埋めるために,マイクロアナコシス機器ハンドリングスキルの自動評価のための新しいAIフレームワークを提案する。 本システムは,(1)You Only Look Once (YOLO)アーキテクチャに基づく楽器検出モジュール,(2)Deep Simple Online and Realtime Tracking (DeepSORT)から開発された楽器追跡モジュール,(3)形状記述子を用いた楽器先端位置決めモジュール,(4)専門家ラベル付きデータに基づく教師付き分類モジュールの4つのコアコンポーネントを統合する。 実験の結果,機器検出精度97%,平均平均精度96%,IoU閾値50%から95%(mAP50-95)で測定した。

関連論文リスト

• Automated Machine Learning in Radiomics: A Comparative Evaluation of Performance, Efficiency and Accessibility [1.0631763329108546]
  本研究では,汎用および放射能固有のAutoMLフレームワークの性能,効率,アクセシビリティを評価する。 画像モダリティ(CT/MRI),サイズ,解剖,結節を多用した10個の公衆・民間放射能を用いた。 Simplatabは、放射能分類問題に対する性能、効率、アクセシビリティの効果的なバランスを提供する。
  論文  参考訳（メタデータ） (2026-01-13T08:47:44Z)
• 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)
• Kinematic-Based Assessment of Surgical Actions in Microanastomosis [4.92174988745803]
  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。
  論文  参考訳（メタデータ） (2025-12-30T02:18:49Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• 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)
• Benchmarks as Microscopes: A Call for Model Metrology [76.64402390208576]
  現代の言語モデル(LM)は、能力評価において新たな課題を提起する。 メトリクスに自信を持つためには、モデルミアロジの新たな規律が必要です。
  論文  参考訳（メタデータ） (2024-07-22T17:52:12Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)

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。