論文の概要: OSS: Open Suturing Skills Vision-Based Assessment Challenge 2024-2025

• arxiv url: http://arxiv.org/abs/2605.22200v1
• Date: Thu, 21 May 2026 09:04:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.17872
• Title: OSS: Open Suturing Skills Vision-Based Assessment Challenge 2024-2025
• Title（参考訳）: OSS: Open Suturing Skills Vision-based Assessment Challenge 2024-2025
• Authors: Hanna Hoffmann, Setareh Bady, Claas de Boer, Max Kirchner, Jan Egger, Rainer Röhrig, Frank Hölzle, Lennart Johannes Gruber, Kunpeng Xie, Marlon Neuhaus, Victor Alves, Guilherme Barbosa, Leonardo Barroso, João Carvalho, Hao Chen, Gabriella d'Albenzio, André Ferreira, Nuno Gomes, Yuichiro Hayashi, Kousuke Hirasawa, Rebecca Hisey, Seungjae Hong, Seoi Jeong, Tiago Jesus, Daehong Kang, Satoshi Kasai, Shunsuke Kikuchi, Takayuki Kitasaka, Satoshi Kondo, Hyoun-Joong Kong, Youngbin Kong, Atsushi Kouno, Shlomi Laufer, Kyu Eun Lee, Bining Long, Nooshin Maghsoodi, Hiroki Matsuzaki, Evangelos Mazomenos, Ori Meiraz, Kensaku Mori, Marina Music, Masahiro Oda, Roi Papo, Jieun Park, Rafael Piexoto, Saeid Rezaei, Mariana Ribeiro, Soyeon Shin, Yang Shu, Idan Smoller, Danail Stoyanov, Yihui Wang, Xinkai Zhao, Sebastian Bodenstedt, Isabel Funke, Stefanie Speidel, Behrus Hinrichs-Puladi,
• Abstract要約: 開腹手術における視力に基づくスキルアセスメントのベンチマークと進歩を目的とした専用のMIIチャレンジの結果を報告する。 チャレンジデータセットは、静的GoProカメラで記録されたオープン縫合トレーニングタスクをドライラブ設定で構成する。 参加者は、ディープラーニングベースのビデオモデル、トラッキング駆動方式、ハイブリッドアプローチなど、さまざまなソリューションを提出した。
• 参考スコア（独自算出の注目度）: 15.333165075116964
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Achieving high levels of surgical skill through effective training is essential for optimal patient outcomes. Automated, data-driven skill assessment holds significant potential to improve surgical training. While machine learning-based methods are increasingly popular for assessing skills in minimally invasive surgery, their application to open surgery remains limited. We present the results of a dedicated MICCAI challenge designed to benchmark and advance vision-based skill assessment in open surgery. The challenge dataset comprises videos of an open suturing training task recorded with a static GoPro camera in a dry-lab setting, with instrument trajectories available in addition to the primary video modality. The OSS Challenge was hosted over two consecutive years, comprising two and three independent tasks, respectively: (1) classifying skill level into four classes, (2) predicting the full Objective Structured Assessment of Technical Skills across eight categories, and (3) tracking hands and surgical tools. Participants submitted diverse solutions including deep learning-based video models, tracking-driven methods, and hybrid approaches. General-purpose spatiotemporal video models consistently achieved the strongest performance, though conceptually diverse approaches reached competitive levels when well-executed. Predicting fine-grained OSATS scores remains challenging but benefits substantially from increased training data. Keypoint tracking proves difficult given frequent occlusions and out-of-frame instances, limiting current applicability for motion-based skill analysis. This work benchmarks innovative and diverse solutions for surgical skill assessment, highlighting both the promise and current limitations of video-based evaluation in open surgery and identifying critical directions for advancing automated skill assessment toward clinical impact.
• Abstract（参考訳）: 効果的なトレーニングを通じて高いレベルの外科的スキルを獲得することは、最適な患者の結果に不可欠である。 データ駆動型スキルアセスメントの自動化は、外科的トレーニングを改善する大きな可能性を秘めている。 最小侵襲手術のスキルを評価するために、機械学習ベースの手法がますます人気を博しているが、その手術への応用は限られている。 開腹手術における視力に基づくスキルアセスメントのベンチマークと進歩を目的としたMICCAIチャレンジの結果を報告する。 チャレンジデータセットは、静的GoProカメラで記録されたオープンな縫合トレーニングタスクのビデオと、一次ビデオのモダリティに加えて、楽器の軌道が利用できる。 OSS Challenge は,(1) スキルレベルを4つのクラスに分類し,(2) 技術スキルの総合的構造評価を8つのカテゴリに分けて予測し,(3) ハンドと手術器具の追跡を行った。 参加者は、ディープラーニングベースのビデオモデル、トラッキング駆動方式、ハイブリッドアプローチなど、さまざまなソリューションを提出した。 汎用時空間ビデオモデルは一貫して最強のパフォーマンスを達成したが、概念的には多種多様なアプローチがうまく実行されたときに競争水準に達した。 OSATSスコアの詳細な予測は依然として難しいが、トレーニングデータの増加による大きなメリットがある。 キーポイントトラッキングは、頻繁なオクルージョンとフレーム外のインスタンスによって難しいことを示し、モーションベースのスキル分析に対する現在の適用性を制限している。 本研究は, 外科的スキル評価のための革新的で多様なソリューションをベンチマークし, オープン手術におけるビデオベース評価の約束と現在の限界の両立と, 臨床効果に向けた自動スキルアセスメントを推進するための重要な方向の特定を強調した。

関連論文リスト

• SHANDS: A Multi-View Dataset and Benchmark for Surgical Hand-Gesture and Error Recognition Toward Medical Training [1.9550493958421307]
  surgery-Handsは、外科的手振りと誤認識のための大規模なマルチビュービデオデータセットである。 ビデオは15のジェスチャプリミティブでフレームレベルで注釈付けされ、8つのトレーニングエラータイプの検証された分類が含まれている。 SHandsは、外科訓練のための堅牢でスケーラブルなAIシステムの開発をサポートするために、一般公開されている。
  論文  参考訳（メタデータ） (2026-03-27T13:24:41Z)
• WetCat: Enabling Automated Skill Assessment in Wet-Lab Cataract Surgery Videos [10.057885114005826]
  WetCatは、自動スキルアセスメントのために特別にキュレートされたウェットラブ白内障手術ビデオの最初のデータセットである。 WetCatは、人工眼で訓練生が行う手術の高解像度記録を含む。 WetCatは、既存の臨床指標に沿った解釈可能なAI駆動評価ツールの開発を可能にする。
  論文  参考訳（メタデータ） (2025-06-10T15:22:55Z)
• 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)
• SAR-RARP50: Segmentation of surgical instrumentation and Action Recognition on Robot-Assisted Radical Prostatectomy Challenge [72.97934765570069]
  外科的動作認識と意味計測のセグメンテーションのための,最初のマルチモーダルなインビボデータセットを公開し,ロボット補助根治術(RARP)の50の縫合ビデオセグメントを収録した。 この課題の目的は、提供されたデータセットのスケールを活用し、外科領域における堅牢で高精度なシングルタスクアクション認識とツールセグメンテーションアプローチを開発することである。 合計12チームがこのチャレンジに参加し、7つのアクション認識方法、9つの計器のセグメンテーション手法、そしてアクション認識と計器のセグメンテーションを統合した4つのマルチタスクアプローチをコントリビュートした。
  論文  参考訳（メタデータ） (2023-12-31T13:32:18Z)
• Demonstration-Guided Reinforcement Learning with Efficient Exploration for Task Automation of Surgical Robot [54.80144694888735]
  効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。 本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。 総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-02-20T05:38:54Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• CholecTriplet2021: A benchmark challenge for surgical action triplet recognition [66.51610049869393]
  腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。 課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。 4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
  論文  参考訳（メタデータ） (2022-04-10T18:51:55Z)

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。