論文の概要: Explainable AI-Powered Framework for Video-Based Skill Assessment in Cataract Surgery
- arxiv url: http://arxiv.org/abs/2608.17522v1
- Date: Tue, 18 Aug 2026 08:45:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.273626
- Title: Explainable AI-Powered Framework for Video-Based Skill Assessment in Cataract Surgery
- Title（参考訳）: 白内障手術における映像ベーススキルアセスメントのための説明可能なAIフレームワーク
- Abstract要約: 我々は2000枚の録音を含む世界最大の白内障手術ビデオデータセットを提示する。
本稿では,高度なコンピュータビジョンと信号処理技術を用いて,手術映像の自動評価を行うAIを利用した分析フレームワークを提案する。
従来の手法に比べて、我々のフレームワークの顕著な利点は、単に不透明なスキル分類ツールを超えて出力の説明可能性を高めることである。
- 参考スコア（独自算出の注目度）: 5.586191108738563
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Persistent shortages in the surgical workforce and inherent limitations of traditional training methods highlight the necessity of automated, data-driven approaches in surgical education. This study addresses these challenges by introducing a novel, explainable AI-powered framework for automated skill assessment, specifically focusing on cataract surgery. We present the world's largest dataset of cataract surgery videos, comprising 2,000 recordings. Additionally, we propose an AI-powered analytical framework that employs advanced computer vision and signal-processing techniques to automatically evaluate surgical videos to derive objective, quantitative performance indicators that complement or potentially replace subjective scoring methods. A significant advantage of our framework over previous methods lies precisely in its explainability of outputs, elevating it beyond merely an opaque skill classification tool. Through experimental analysis of 83 cataract surgery videos, we demonstrate that the automatically computed metrics exhibit strong correlations with expert-based subjective evaluations, achieving up to 87% accuracy in surgical skill assessment. Each metric was individually examined, and expert surgeons provided subjective ratings using the newly introduced Capsulorhexis Skill Assessment System (CSAS). These subjective assessments were compared with ten objective motion-based metrics extracted through our framework. The results indicated a robust correlation between subjective ratings and automated indicators, underscoring the framework's capacity to accurately model surgical expertise.
- Abstract（参考訳）: 外科的労働力の持続的不足と伝統的な訓練方法の固有の限界は、外科的教育における自動化されたデータ駆動アプローチの必要性を浮き彫りにする。
本研究は,白内障手術に焦点を当てた,新しいAIを活用した自動スキルアセスメントフレームワークを導入することで,これらの課題に対処する。
我々は2000枚の録音を含む世界最大の白内障手術ビデオデータセットを提示する。
さらに,先進的なコンピュータビジョンと信号処理技術を活用して,客観的,定量的なパフォーマンス指標を導出し,主観的スコアリング手法を補完する,あるいは置き換えることのできるAIを利用した分析フレームワークを提案する。
従来の手法に比べて、我々のフレームワークの大きな利点は、単に不透明なスキル分類ツールを超えたアウトプットの説明可能性にある。
83個の白内障手術映像を実験的に分析した結果, 自動計算された指標は, 専門家による主観的評価と強い相関を示し, 外科的技能評価において最大87%の精度を達成できた。
各測定基準は個別に検討され、専門家の外科医は新しく導入されたカプシュロヘキシススキルアセスメントシステム(CSAS)を用いて主観評価を行った。
これらの主観的評価は,本フレームワークを用いて抽出した10の目標運動ベース指標と比較した。
その結果,主観的評価と自動指標との間には強い相関関係がみられ,外科的専門知識を正確にモデル化する枠組みの能力が強調された。
関連論文リスト
- A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback [52.053200111780626]
手術室の外科医が行う言語的フィードバックは、居住スキル獲得において重要な形式的役割を担っている。
本稿では,手術訓練の文脈に根ざした,解釈可能なフィードバック品質基準を発見するための2段階のLCMベースのフレームワークを提案する。
本手法では,多エージェントおよび外科領域の知識注入を用いて,人間の解釈可能な評価基準の小さなセットを探索する。
論文 参考訳（メタデータ） (2026-05-25T05:31:44Z) - AI-Driven Evaluation of Surgical Skill via Action Recognition [4.92174988745803]
マイクロアナコシス性能の自動評価のためのAI駆動型フレームワークを提案する。
マイクロアナコシススキルの5つの側面、例えば、全体的な動作実行、プロシージャクリティカルアクション中の運動品質、一般的な楽器ハンドリングについて評価する。
論文 参考訳（メタデータ） (2025-12-30T18:45:34Z) - NeuroABench: A Multimodal Evaluation Benchmark for Neurosurgical Anatomy Identification [56.133469598652624]
MLLM(Multimodal Large Language Models)は、外科的ビデオ理解において大きな可能性を秘めている。
Neurosurgical Anatomy Benchmark (NeuroABench)は、神経外科領域における解剖学的理解を評価するために明示的に作成された最初のマルチモーダルベンチマークである。
NeuroABenchは89の異なる手順をカバーする9時間の注釈付き神経外科ビデオで構成されている。
論文 参考訳（メタデータ） (2025-12-07T17:00:25Z) - 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) - Surgeons vs. Computer Vision: A comparative analysis on surgical phase recognition capabilities [65.66373425605278]
自動手術相認識(SPR)は、人工知能(AI)を使用して、手術ワークフローをその重要なイベントに分割する。
従来の研究は、短い外科手術と直線的な外科手術に焦点を合わせており、時間的文脈が手術の段階をよりよく分類する専門家の能力に影響を与えるかどうかを探索していない。
本研究は,ロボットによる部分腎切除(RAPN)を高度に非直線的に行うことに焦点を当て,これらのギャップに対処する。
論文 参考訳（メタデータ） (2025-04-26T15:37:22Z) - Automating Feedback Analysis in Surgical Training: Detection, Categorization, and Assessment [65.70317151363204]
本研究は,非構造化現実記録からの外科的対話を再構築するための最初の枠組みを紹介する。
外科訓練では,ライブ手術中に訓練者に提供する形式的言語フィードバックは,安全性の確保,行動の即時修正,長期的スキル獲得の促進に不可欠である。
本フレームワークは,音声活動の検出,話者ダイアリゼーション,自動音声認識と,幻覚を除去する新たな拡張機能を統合する。
論文 参考訳（メタデータ） (2024-12-01T10:35:12Z) - 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) - Video-based Formative and Summative Assessment of Surgical Tasks using
Deep Learning [0.8612287536028312]
本稿では,外科的スキル実行の高精度な評価を自動的かつ客観的に行うことができる深層学習(DL)モデルを提案する。
整形性評価は外科的パフォーマンスと相関する視覚特徴のヒートマップを用いて生成される。
論文 参考訳（メタデータ） (2022-03-17T20:07:48Z) - Towards Unified Surgical Skill Assessment [18.601526803020885]
自動手術スキル評価のための統合型マルチパスフレームワークを提案する。
手術シミュレーションのJIGSAWSデータセットと腹腔鏡下手術の新たな臨床データセットについて実験を行った。
論文 参考訳（メタデータ） (2021-06-02T09:06:43Z) - Surgical Skill Assessment on In-Vivo Clinical Data via the Clearness of
Operating Field [18.643159726513133]
本論文では,実際の臨床データセットを用いて外科的スキルアセスメントについて検討する。
手術領域のクリアネス(COF)は総合的な外科的スキルの指標として有用である。
COFのプロキシを通じて外科的スキルを予測するための,客観的かつ自動化されたフレームワークを提案する。
実験では, 提案手法はスピアマンの0.55の相関性を, 総合技術技術の基礎的真理と比較した。
論文 参考訳（メタデータ） (2020-08-27T07:12:16Z) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳（メタデータ） (2020-02-20T13:12:38Z)
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。