論文の概要: Smart Operation Theatre: An AI-based System for Surgical Gauze Counting
- arxiv url: http://arxiv.org/abs/2603.20752v1
- Date: Sat, 21 Mar 2026 10:49:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.069736
- Title: Smart Operation Theatre: An AI-based System for Surgical Gauze Counting
- Title（参考訳）: スマートオペレーティングシアター:手術用迷路計数のためのAIベースのシステム
- Authors: Saraf Krish, Cai Yiyu, Huang Li Hui,
- Abstract要約: 手術中、患者の体内に医療用ガウジが残るリスクがあり、「ゴシピボマ」につながる。
シンガポール総合病院と共同で,手術現場でガウズ計数を行うAIベースのシステムを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: During surgeries, there is a risk of medical gauzes being left inside patients' bodies, leading to "Gossypiboma" in patients and can cause serious complications in patients and also lead to legal problems for hospitals from malpractice lawsuits and regulatory penalties. Diagnosis depends on imaging methods such as X-rays or CT scans, and the usual treatment involves surgical excision. Prevention methods, such as manual counts and RFID-integrated gauzes, aim to minimize gossypiboma risks. However, manual tallying of 100s of gauzes by nurses is time-consuming and diverts resources from patient care. In partnership with Singapore General Hospital (SGH) we have developed a new prevention method, an AI-based system for gauze counting in surgical settings. Utilizing real-time video surveillance and object recognition technology powered by YOLOv5, a Deep Learning model was designed to monitor gauzes on two designated trays labelled "In" and "Out". Gauzes are tracked from the "In" tray, prior to their use in the patient's body & in the "Out" tray post-use, ensuring accurate counting and verifying that no gauze remains inside the patient at the end of the surgery. We have trained it using numerous images from Operation Theatres & augmented it to satisfy all possible scenarios. This study has also addressed the shortcomings of previous project iterations. Previously, the project employed two models: one for human detection and another for gauze detection, trained on a total of 2800 images. Now we have an integrated model capable of identifying both humans and gauzes, using a training set of 11,000 images. This has led to improvements in accuracy and increased the frame rate from 8 FPS to 15 FPS now. Incorporating doctor's feedback, the system now also supports manual count adjustments, enhancing its reliability in actual surgeries.
- Abstract（参考訳）: 手術中、医療用ガウジが患者の体内に残されてしまうリスクがあり、患者の「ゴシピボマ」が引き起こされ、患者に深刻な合併症を引き起こし、また、不正な訴訟や規制上の罰則による病院の法的問題を引き起こす。
診断はX線やCTスキャンなどの画像診断方法に依存しており、通常の治療は外科的切除を伴う。
手動計数やRFID統合ガウズなどの予防方法は、ゴシピボマリスクを最小限にすることを目的としている。
しかしながら、看護師による100個のガウザのマニュアルタレッシングは、時間を要するため、患者医療からリソースを逸脱させる。
シンガポール総合病院(SGH)と共同で,手術環境におけるガウズ計数のためのAIベースの新しい予防方法を開発した。
YOLOv5を利用したリアルタイムビデオ監視とオブジェクト認識技術を利用して、Deep Learningモデルは、"In" と "Out" とラベル付けされた2つの指定されたトレイ上のガウザを監視するように設計された。
迷路は患者の体と「アウト」トレイで使用する前に「イン」トレイから追跡され、手術終了時に迷路が患者の体内に残っていないことを確認する。
私たちは、Operation Theatresの多数のイメージを使用してそれをトレーニングし、すべてのシナリオを満たすように拡張しました。
この研究は、以前のプロジェクトイテレーションの欠点にも対処した。
これまでこのプロジェクトでは、人間の検出のためのモデルと、合計で2800枚の画像で訓練されたガーゼ検出のためのモデルが2つあった。
現在、私たちは11,000枚の画像のトレーニングセットを使用して、人間とガウズの両方を識別できる統合モデルを構築しています。
これにより精度が向上し、フレームレートが8FPSから15FPSに向上した。
医師のフィードバックを取り入れたシステムは、手動の計数調整もサポートし、実際の手術の信頼性を高めた。
関連論文リスト
- YOLOv10-Based Multi-Task Framework for Hand Localization and Laterality Classification in Surgical Videos [5.504955093712013]
複雑な手術シーンにおいて,手と手の位置を同時に分類する枠組みを提案する。
このモデルはTrauma THOMPSON Challenge 2025 Task 2データセットでトレーニングされている。
論文 参考訳（メタデータ） (2026-02-21T21:41:56Z) - Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。
まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
論文 参考訳（メタデータ） (2025-07-22T13:24:45Z) - Monocular Marker-free Patient-to-Image Intraoperative Registration for Cochlear Implant Surgery [4.250558597144547]
本フレームワークは単分子型外科顕微鏡とシームレスに統合され,追加のハードウェア依存や要件を伴わずに臨床応用に極めて有用である。
以上より, 術中CTスキャンを2次元の手術シーンに登録し, 角誤差が10度以内の症例では, 6次元カメラの撮影位置の予測に臨床的に関連性があることが示唆された。
論文 参考訳（メタデータ） (2025-05-23T21:15:00Z) - Automated Surgical Skill Assessment in Endoscopic Pituitary Surgery using Real-time Instrument Tracking on a High-fidelity Bench-top Phantom [9.41936397281689]
外科的スキルの改善は一般的に患者の成績の改善に関連しているが、評価は主観的であり、労働集約的である。
内視鏡下垂体手術の鼻相を模範として,シミュレートされた手術に焦点を当てた新しい公開データセットが導入された。
多層パーセプトロンは87%の精度で手術技量(初心者または専門家)を予測し、「可視時間測定のための全手術時間の割合」は高度な手術技量と相関した。
論文 参考訳（メタデータ） (2024-09-25T15:27:44Z) - EndoGSLAM: Real-Time Dense Reconstruction and Tracking in Endoscopic Surgeries using Gaussian Splatting [53.38166294158047]
EndoGSLAMは鏡視下手術の効率的なアプローチであり、合理化表現と微分ガウス化を統合している。
実験の結果,EndoGSLAMは従来型あるいは神経型SLAMアプローチよりも術中可用性と再建品質のトレードオフが良好であることがわかった。
論文 参考訳（メタデータ） (2024-03-22T11:27:43Z) - Automatic registration with continuous pose updates for marker-less
surgical navigation in spine surgery [52.63271687382495]
本研究では, 腰部脊柱管固定術の登録問題を, 無放射線で自動的に解決するアプローチを提案する。
深部神経ネットワークは、腰椎を分割し、その方向を同時に予測するように訓練され、前手術モデルに対する最初のポーズが得られた。
拡張現実ベースのナビゲーションシステムとの統合により、直感的な外科的ガイダンスが提供される。
論文 参考訳（メタデータ） (2023-08-05T16:26:41Z) - GLSFormer : Gated - Long, Short Sequence Transformer for Step
Recognition in Surgical Videos [57.93194315839009]
本稿では,シーケンスレベルのパッチから時間的特徴を直接学習するための視覚変換器に基づくアプローチを提案する。
本研究では,白内障手術用ビデオデータセットである白内障-101とD99に対するアプローチを広範に評価し,各種の最先端手法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2023-07-20T17:57:04Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - The SARAS Endoscopic Surgeon Action Detection (ESAD) dataset: Challenges
and methods [15.833413083110903]
本稿では,内視鏡下低侵襲手術における外科医の行動検出問題に取り組むための,最初の大規模データセットであるesadについて述べる。
このデータセットは、前立腺切除術中にキャプチャされた実際の内視鏡的ビデオフレーム上の21のアクションクラスに対するバウンディングボックスアノテーションを提供し、最近のMIDL 2020チャレンジのベースとして使用された。
論文 参考訳（メタデータ） (2021-04-07T15:11:51Z) - Single-Shot Pose Estimation of Surgical Robot Instruments' Shafts from
Monocular Endoscopic Images [8.966454850713522]
単眼内視鏡を用いて手術器具のシャフトのポーズを推定する新しい手法を提案する。
提案手法は,自動アノテーション付きトレーニングデータセットと,ポーズ推定深層学習アーキテクチャの改良に基づく。
論文 参考訳（メタデータ） (2020-03-03T00:38:48Z)
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。