論文の概要: A vision-language model and platform for temporally mapping surgery from video

• arxiv url: http://arxiv.org/abs/2603.22583v1
• Date: Mon, 23 Mar 2026 21:23:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.194686
• Title: A vision-language model and platform for temporally mapping surgery from video
• Title（参考訳）: 映像からの手術の時間的マッピングのための視覚言語モデルとプラットフォーム
• Authors: Dani Kiyasseh,
• Abstract要約: マッピング手術は、手術ガイドラインの作成と自律型ロボット手術の実現に不可欠である。 人工知能(AI)の最近の進歩は、ビデオから外科医の振舞いをマッピングすることを約束している。 本稿では、ハルステッド手術アトラスで訓練された視覚言語モデルであるハルステッドを紹介する。
• 参考スコア（独自算出の注目度）: 2.456019890058713
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mapping surgery is fundamental to developing operative guidelines and enabling autonomous robotic surgery. Recent advances in artificial intelligence (AI) have shown promise in mapping the behaviour of surgeons from videos, yet current models remain narrow in scope, capturing limited behavioural components within single procedures, and offer limited translational value, as they remain inaccessible to practising surgeons. Here we introduce Halsted, a vision-language model trained on the Halsted Surgical Atlas (HSA), one of the most comprehensive annotated video libraries grown through an iterative self-labelling framework and encompassing over 650,000 videos across eight surgical specialties. To facilitate benchmarking, we publicly release HSA-27k, a subset of the Halsted Surgical Atlas. Halsted surpasses previous state-of-the-art models in mapping surgical activity while offering greater comprehensiveness and computational efficiency. To bridge the longstanding translational gap of surgical AI, we develop the Halsted web platform (https://halstedhealth.ai/) to provide surgeons anywhere in the world with the previously-unavailable capability of automatically mapping their own procedures within minutes. By standardizing unstructured surgical video data and making these capabilities directly accessible to surgeons, our work brings surgical AI closer to clinical deployment and helps pave the way toward autonomous robotic surgery.
• Abstract（参考訳）: マッピング手術は、手術ガイドラインの作成と自律型ロボット手術の実現に不可欠である。 人工知能(AI)の最近の進歩は、外科医の行動をビデオからマッピングする上で有望であることを示しているが、現在のモデルはスコープが狭く、単一のプロシージャ内での限られた振る舞い成分をキャプチャし、外科医の実践にはアクセスできないため、翻訳価値を制限している。 今回紹介するHalstedは、Halsted Surgery Atlas(HSA)に基づいて訓練された視覚言語モデルである。 ベンチマークを容易にするため,Halsted Surgery AtlasのサブセットであるHSA-27kを一般公開した。 Halstedは、より包括性と計算効率を高めながら、外科的活動のマッピングにおける従来の最先端モデルを上回っている。 Halsted Web Platform(https://halstedhealth.ai/)は、外科的AIの長年にわたる翻訳のギャップを埋めるために、世界中の外科医に、数分以内に自己のプロシージャを自動的にマッピングする機能を提供する。 構造化されていない外科的ビデオデータを標準化し、これらの機能を外科医に直接アクセスできるようにすることで、我々の研究は、外科的AIを臨床展開に近づけ、自律的なロボット手術への道を開くのに役立つ。

関連論文リスト

• Large-scale Self-supervised Video Foundation Model for Intelligent Surgery [27.418249899272155]
  本稿では,大規模な外科的ビデオデータから共同時間的表現学習を可能にする,最初のビデオレベルの手術前トレーニングフレームワークを紹介する。 SurgVISTAは,空間構造を捕捉し,時間的ダイナミックスを複雑化する再構成型事前学習手法である。 実験では、SurgVISTAは自然領域と外科領域の事前訓練されたモデルの両方を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-06-03T09:42:54Z)
• EndoChat: Grounded Multimodal Large Language Model for Endoscopic Surgery [52.992415247012296]
  手術シーン理解における対話のパラダイムやサブタスクに対処するために,EndoChatを導入する。 本モデルは,5つの対話パラダイムと8つの手術シーン理解タスクにまたがって,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-01-20T09:12:06Z)
• Toward a Surgeon-in-the-Loop Ophthalmic Robotic Apprentice using Reinforcement and Imitation Learning [18.72371138886818]
  眼内白内障手術における外科医中心の自律エージェントに対する画像誘導アプローチを提案する。 外科医の行動と嗜好をトレーニングプロセスに統合することにより、ロボットは個々の外科医のユニークなテクニックを暗黙的に学習し、適応することができる。
  論文  参考訳（メタデータ） (2023-11-29T15:00:06Z)
• Learning Multi-modal Representations by Watching Hundreds of Surgical Video Lectures [50.09187683845788]
  手術用コンピュータビジョンの応用の最近の進歩は、視覚のみのモデルによって駆動されている。 これらの手法は、固定されたオブジェクトカテゴリのセットを予測するために手動で注釈付き手術ビデオに依存する。 本研究では,オープンな外科的eラーニングプラットフォームを通じて提供される外科的ビデオ講義が,効果的な視覚と言語監督の信号を提供することができるという考えを提起した。
  論文  参考訳（メタデータ） (2023-07-27T22:38:12Z)
• 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)
• A real-time spatiotemporal AI model analyzes skill in open surgical videos [2.4907439112059278]
  これまでで最大のオープンな手術用ビデオデータセットであるYouTubeから、50か国からアップロードされた23の手術用プロシージャから1997年の動画を収集することで、AIモデルをトレーニングするための既存のデータ制限を克服しました。 我々は,手術行動,手,道具のリアルタイム理解が可能なマルチタスクAIモデルを開発した。
  論文  参考訳（メタデータ） (2021-12-14T08:11:02Z)

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。