論文の概要: Stabilizing Temporal Inference Dynamics for Online Surgical Phase Recognition

• arxiv url: http://arxiv.org/abs/2605.16387v1
• Date: Mon, 11 May 2026 16:56:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 23:51:08.313236
• Title: Stabilizing Temporal Inference Dynamics for Online Surgical Phase Recognition
• Title（参考訳）: オンライン外科的位相認識のための時間的推論ダイナミクスの安定化
• Authors: Yang Liu, Ning Zhu, Jingjing Peng, Xiwu Chen, Alejandro Granados, Guotai Wang, Sebastien Ourselin,
• Abstract要約: オンライン外科的位相認識(SPR)モデルはフレームの精度が高いが、その予測は時間的安定性に欠けることが多い。 この不安定性はランダムノイズではなく、2つのメカニズムから生じることを示す。 モデルに依存しないプラグイン・アンド・プレイコンポーネントを用いて時間的推論ダイナミクスを明示的に安定化する統合トレイン・推論・評価フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 42.76777398447746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online Surgical Phase Recognition (SPR) models can reach high frame-wise accuracy, yet their predictions often lack temporal stability, fragmenting workflow understanding and reducing the reliability of downstream assistance. We show that this instability is not random noise but arises from two mechanisms: early misclassifications corrupt temporal feature states and propagate forward to form error cascades, and phase transitions follow evidence-accumulation dynamics whereas most online SPR systems rely on memoryless frame-wise decisions, making them sensitive to transient confidence fluctuations. We propose a unified Train-Inference-Evaluation framework that explicitly stabilizes temporal inference dynamics using model-agnostic, plug-and-play components. For training, the Temporal Error-Cascade (TEC) loss suppresses error onset and mitigates forward error propagation by stabilizing temporal feature evolution. For inference, the Evidence-Gated Transition Predictor (EGTP) enforces evidence-driven state transitions, allowing phase changes only when accumulated evidence exceeds a confidence boundary. For evaluation, we introduce the Temporal Fragmentation Index (TFI), a reliability-aware metric that quantifies instability-induced temporal disagreement beyond conventional frame-wise and token-based measures. Experiments on Cholec80 and AutoLaparo across three representative backbones show that the proposed framework substantially improves temporal stability and reduces prediction fragmentation, while maintaining or modestly improving frame-wise performance.
• Abstract（参考訳）: オンライン外科的位相認識(SPR)モデルはフレームの精度が高いが、その予測には時間的安定性、ワークフローの理解の断片化、下流支援の信頼性の低下がしばしば欠落している。 我々は、この不安定性はランダムノイズではなく、2つのメカニズムから生じることを示す: 初期誤分類は、時間的特徴状態が破壊され、エラーカスケードを形成するために伝播し、相転移はエビデンス-累積ダイナミクスに従う一方、オンラインSPRシステムは、メモリレスのフレームワイドな決定に依存し、過渡的な信頼変動に敏感になる。 モデルに依存しないプラグイン・アンド・プレイコンポーネントを用いて時間的推論ダイナミクスを明示的に安定化する統合トレイン・推論・評価フレームワークを提案する。 トレーニングでは、時間的エラーカスケード(TEC)損失はエラーの発症を抑制し、時間的特徴の進化を安定化することにより前方誤りの伝播を緩和する。 推測のために、Evidence-Gated Transition Predictor (EGTP)はエビデンス駆動の状態遷移を強制し、累積的なエビデンスが信頼境界を超える場合にのみ位相変化を可能にする。 評価のために,従来のフレームワイドおよびトークンベースの尺度を超える不安定性による時間的不一致を定量化する信頼性を考慮した尺度であるTFI(Temporal Fragmentation Index)を導入する。 Cholec80とAutoLaparoを3つの代表的なバックボーンで実験した結果,提案フレームワークは時間的安定性を著しく向上し,フレームワイド性能を維持しつつ予測フラグメンテーションを低減する。

関連論文リスト

• Improving Spatio-Temporal Residual Error Propagation by Mitigating Over-Squashing [4.62541204592513]
  本稿では,エラー関連自己回帰予測の時間的制限を克服する構造的不確実性モジュールであるTegerを紹介する。 Tegerはバックボーンに依存しないため、自己回帰エンコーダによって生成される潜伏状態のみを必要とする。
  論文  参考訳（メタデータ） (2026-05-18T08:51:33Z)
• Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
  EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。 最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-04-17T13:27:11Z)
• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• Kalman-Inspired Runtime Stability and Recovery in Hybrid Reasoning Systems [1.9544213396776273]
  我々はカルマンにインスパイアされた観点からハイブリッド推論システムの安定性について研究する。 本稿では,イノベーション統計を監視し,新たな不安定性を検出し,リカバリを意識した制御機構を起動するランタイム安定化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-24T11:29:57Z)
• On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
  本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。 CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。 我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2025-12-30T06:29:20Z)
• Stability-Drift Early Warning for Cyber-Physical Systems Under Degradation Attacks [0.0]
  サイバー物理システムは、即時または明らかな失敗を引き起こすことなく、劣化の遅さに弱い。 小さなセンサバイアスやタイミングの不規則さは時間とともに蓄積し、徐々に安定性を低下させる。 本稿では,安定性ドリフトに基づく早期警報手法を提案する。
  論文  参考訳（メタデータ） (2025-12-15T15:40:44Z)
• Fair and Explainable Credit-Scoring under Concept Drift: Adaptive Explanation Frameworks for Evolving Populations [0.0]
  動的に進化する信用モデルにおいて,解釈可能性と公平性を再検討する適応的説明フレームワークを開発する。 その結果、適応的手法、特に再ベースラインと代理に基づく説明は、時間的安定性を著しく改善し、予測精度を低下させることなく、人口集団間で異なる影響を減少させることがわかった。 これらの知見は、データ駆動型信用システムにおいて、透明性、説明責任、倫理的信頼性を維持するための実践的なメカニズムとして適応的説明可能性を確立した。
  論文  参考訳（メタデータ） (2025-11-05T19:14:43Z)
• Temporalizing Confidence: Evaluation of Chain-of-Thought Reasoning with Signal Temporal Logic [0.12499537119440243]
  本稿では,段階的信頼度を時間的信号としてモデル化し,STL(Signal Temporal Logic)を用いて評価する構造化フレームワークを提案する。 特に,定型的なSTLに基づく制約を定義し,望ましい時間特性と,構造化された解釈可能な信頼度推定として機能するスコアを求める。 本手法はキャリブレーションの指標を常に改善し,従来の信頼度集計やポストホックキャリブレーションよりも信頼性の高い不確実性推定を提供する。
  論文  参考訳（メタデータ） (2025-06-09T21:21:12Z)
• Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
  強靭性と精度のトレードオフは、敵文学において広く研究されている。 局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。 定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
  論文  参考訳（メタデータ） (2022-02-21T10:36:09Z)

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。