論文の概要: DBT-Bleed: Dual-Branch Temporal Modeling with Key-Frame Selection for Surgical Bleeding Detection

• arxiv url: http://arxiv.org/abs/2606.22829v1
• Date: Mon, 22 Jun 2026 04:12:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 04:20:42.327311
• Title: DBT-Bleed: Dual-Branch Temporal Modeling with Key-Frame Selection for Surgical Bleeding Detection
• Title（参考訳）: DBT-Bleed-Dual-Bnch Temporal Modeling with Key-Frame Selection for Surgery Bleeding Detection (特集 手術用Bleed)
• Authors: Sudhanshu Mishra, Jialang Xu, Jensen Ang, Evangelos B. Mazomenos, Beng Ti Ang, Yueming Jin,
• Abstract要約: 術中副次イベント (IAEs) は多くの手術種において最も頻度の高いイベントである。 本稿では,レイヤワイド・テンポラル・アダプタを用いて出血と正規表現を分離するマルチブランチ・マルチスケール・テンポラル・モデリング・フレームワークを提案する。 MultiBypassデータセットの実験では、F1の6.53%、リコールの5.62%、出血性IAE検出のMCC値の9%が得られた。 IAEに注釈を付した内鼻下垂体手術データセットであるendoPit-IAEを神経外科における最初のIAEアノテーション付きデータセットとして紹介した。
• 参考スコア（独自算出の注目度）: 11.479806559754365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intraoperative Adverse Events (IAEs) detection is critical for improving surgical safety, with bleeding being among the most frequent events across many surgery types. Existing methods struggle to distinguish bleeding IAE from visually similar residual blood due to limited temporal reasoning. Moreover, modeling long surgical videos while preserving fine-grained temporal dynamics remains computationally challenging. We propose DBT-Bleed, a dual-branch multi-scale temporal modeling framework disentangling bleeding and normal representations using layer-wise temporal adapters for short- and long-term bleeding progression. To efficiently process long surgical videos without sacrificing fine-grained temporal information, we introduce HiRED, a Hierarchical Entropy-Driven frame selection strategy that retains temporally informative segments while removing redundancy. Experiments on the MultiBypass dataset demonstrate gains of 6.53% in F1, 5.62% in Recall and 9% in MCC values for bleeding IAE detection, consistently outperforming video-level baselines. Additionally, we evaluate cross-procedure generalization on a newly curated dataset from a different surgical procedure type, where DBT-Bleed demonstrates robust transferability by achieving gain of 6% in F1 and 8% in MCC under zero-shot setting. To support this evaluation, we introduce EndoPit-IAE, an Endonasal Pituitary Surgery dataset annotated for IAEs, representing the first IAE-annotated dataset in neurosurgery. Code will be made publicly available upon acceptance.
• Abstract（参考訳）: 術中副次事象(IAEs)の検出は外科的安全性の向上に重要である。 既存の方法では、時間的推論が限られているため、視覚的に類似した残血からIAEの出血を区別することが困難である。 さらに、微細な時間的ダイナミクスを保ちながら、長い手術ビデオのモデリングも、計算的に困難である。 そこで本稿では,DBT-Bleedというマルチブランチ・マルチスケール・テンポラル・モデリング・フレームワークを提案する。 微細な時間的情報を犠牲にすることなく長時間の手術ビデオを効率よく処理するために,時間的情報的セグメントを保持する階層型エントロピー駆動フレーム選択戦略であるHiREDを導入する。 MultiBypassデータセットの実験では、F1の6.53%、リコールの5.62%、出血性IAE検出のMCC値の9%が向上し、ビデオレベルのベースラインを一貫して上回っている。 また,DBT-BleedはF1では6%,MCCでは8%のゲインをゼロショット設定で獲得し,頑健な移行性を示した。 この評価を支援するために,脳神経外科における最初のIAEアノテーションデータセットであるEndoPit-IAEを紹介した。 コードは受理時に公開される。

関連論文リスト

• TimeLesSeg: Unified Contrast-Agnostic Cross-Sectional and Longitudinal MS Lesion Segmentation via a Stochastic Generative Model [0.338424069286569]
  TimeLesSegは、その入力に時間次元の有無にかかわらずMS病変を分断するように設計されたコントラストに依存しない統合フレームワークである。 本手法は, 病変マスクと現在のスキャンを併用した病理組織学的先行をモデル化する。 クロスセクション処理は、事前情報が得られないトレーニングケースにモデルを公開することによって実現される。
  論文  参考訳（メタデータ） (2026-05-08T16:19:34Z)
• ODySSeI: An Open-Source End-to-End Framework for Automated Detection, Segmentation, and Severity Estimation of Lesions in Invasive Coronary Angiography Images [23.05175906366438]
  Invasive Coronary Angiography (ICA) は冠動脈疾患の診断における臨床標準である。 本研究では,ICA画像の自動検出,病変,重症度推定のためのオープンソースフレームワークODySSeIを紹介する。 ODySSeIは、新しいピラミッド拡張スキーム(PAS)を用いて訓練された深層学習に基づく病変検出と病変分割モデルを統合する 我々のLSE技術は,MLDの予測値が,対応する基底真理からpm$2-3ピクセルしか差がないため,精度が高い。
  論文  参考訳（メタデータ） (2026-03-20T15:07:15Z)
• Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
  術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。 CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。 提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2025-12-12T08:02:37Z)
• Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging [55.62977326180104]
  前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。 本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。 以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
  論文  参考訳（メタデータ） (2025-11-11T04:16:12Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos [58.52416525595543]
  BlooDetは腹腔鏡下手術で出血部位と点を同時検出するように設計されている。 本フレームワークでは,Segment Anything Model 2をベースとした双方向双方向誘導設計を採用している。 実験では、SurgBloodでは、出血部位と点検出の両方で、ベースラインが12よりも優れています。
  論文  参考訳（メタデータ） (2025-03-28T06:27:55Z)
• Revisiting the Evaluation Bias Introduced by Frame Sampling Strategies in Surgical Video Segmentation Using SAM2 [1.0536099636804035]
  アノテーション密度とフレームレートサンプリングの不整合がゼロショットセグメンテーションモデルの評価に与える影響について検討する。 フレームレートの低下は,時間的不整合を隠蔽するスムーズな効果により,より高いフレームレートを達成できることがわかった。 リアルタイムストリーミング条件で評価すると、フレームレートが高いとセグメンテーション安定性が向上する。
  論文  参考訳（メタデータ） (2025-02-28T10:42:09Z)
• Enhancing Diagnostic Precision in Gastric Bleeding through Automated Lesion Segmentation: A Deep DuS-KFCM Approach [20.416923956241497]
  本稿では,新しい深層学習モデルDual Spatial Kernelized Constrained Fuzzy C-Means (Deep DuS-KFCM)を提案する。 このシステムは、ニューラルネットワークをファジィ論理と相乗し、出血領域を高精度かつ効率的に同定する。 本モデルでは, 前例のない87.95%の精度と96.33%の特異性を示し,同時代のセグメンテーション法より優れていた。
  論文  参考訳（メタデータ） (2024-11-21T18:21:42Z)
• LoViT: Long Video Transformer for Surgical Phase Recognition [59.06812739441785]
  短時間・長期の時間情報を融合する2段階のLong Video Transformer(LoViT)を提案する。 このアプローチは、Colec80とAutoLaparoデータセットの最先端メソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-15T20:06:14Z)
• Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
  ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。 本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-26T21:21:12Z)

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。