論文の概要: Video-based Surgical Skill Assessment Using Dynamics-and-Uncertainty-Aware Tree-based Gaussian Process Classifier

• arxiv url: http://arxiv.org/abs/2609.24619v1
• Date: Mon, 21 Sep 2026 14:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 03:38:27.404211
• Title: Video-based Surgical Skill Assessment Using Dynamics-and-Uncertainty-Aware Tree-based Gaussian Process Classifier
• Title（参考訳）: Dynamic-and-Aware Tree-based Gaussian Process Classifier を用いたビデオベース手術スキル評価
• Abstract要約: 提案したパイプラインは、表現フロー畳み込みニューラルネットワークと、動的かつ不確実性を考慮した木に基づくガウス過程分類器を統合する。 従来のディープラーニング手法と比較して,提案手法ではトレーニングデータが少なく,計算効率が向上している。 手術用ビデオ機能に埋め込まれたセマンティック、フロー、動的情報を効果的にキャプチャする新規なセマンティック・アウェア複合カーネルを提案する。
• 参考スコア（独自算出の注目度）: 4.549831511476248
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proposed pipeline integrates a representation-flow convolutional neural network with a dynamics- and uncertainty-aware tree-based Gaussian Process classifier. In this framework, latent motion dynamics are exploited both as discriminative representations and as a source of input uncertainty, enhancing robustness against temporal variations and abnormal motion transitions. Compared with conventional deep learning approaches, the proposed strategy requires less training data and offers improved computational efficiency. To further improve classification performance, we introduce novel semantic-aware compound kernels that effectively capture semantic, flow, and dynamic information embedded in surgical video features. In addition, uncertainty-aware kernels are developed to strengthen the robustness and practical applicability of the compound kernel framework. The proposed method is evaluated on two benchmark datasets, namely the JIGSAWS and the Cataract-LMM (Capsulorhexis) datasets. Experimental results demonstrate strong performance across both datasets, including the LOSO and LOUO evaluation protocols on JIGSAWS, including the subject-independent LOUO protocol on JIGSAWS, on which the framework attains a mean accuracy of \ph{96.9}\%; results under the within-subject LOSO protocol are reported for comparability with prior work, achieving competitive accuracy while substantially reducing computational cost. Overall, the proposed pipeline provides an efficient and accurate framework for video-based surgical skill assessment.
• Abstract（参考訳）: 提案したパイプラインは、表現フロー畳み込みニューラルネットワークと、動的かつ不確実性を考慮した木に基づくガウス過程分類器を統合する。 この枠組みでは、潜伏運動力学を識別的表現と入力不確実性の源として利用し、時間的変動や異常な動き遷移に対する堅牢性を高める。 従来のディープラーニング手法と比較して,提案手法ではトレーニングデータが少なく,計算効率が向上している。 分類性能を向上させるために,手術ビデオに埋め込まれたセマンティック,フロー,動的情報を効果的にキャプチャする新規なセマンティック・アウェア複合カーネルを提案する。 さらに、複合カーネルフレームワークの堅牢性と実用性を高めるために、不確実性を考慮したカーネルを開発する。 提案手法は, JIGSAWS と Cataract-LMM (Capsulorhexis) の2つのベンチマークデータセットを用いて評価した。 実験の結果,JIGSAWS上でのLOSOおよびLOUO評価プロトコルを含む,JIGSAWS上でのLOUO評価プロトコルにおいて,フレームワークの平均精度が \ph{96.9}\% に達した場合,従来の作業との互換性を考慮し,計算コストを大幅に削減しながら,競争精度を向上することを示す。 全体として、提案したパイプラインは、ビデオベースの外科的スキルアセスメントのための効率的かつ正確なフレームワークを提供する。

関連論文リスト

• E-S2Feat:Semantic-Guided Spiking Local Feature Detection and Description for Event Cameras [19.315869840048133]
  本稿では,イベントベースの局所特徴の検出と記述のためのスパイクニューラルネットワークフレームワークである textbfE-S2Feat を提案する。 実験の結果,提案手法はポーズ推定精度においてSuperEventなどのベースライン手法よりも有意に優れていた。 また、理論計算エネルギー効率を約4.8倍に向上させながら、AIニューラルネットワークに匹敵する精度を達成している。
  論文  参考訳（メタデータ） (2026-08-14T07:18:53Z)
• Bridging Training and Merging Through Momentum-Aware Optimization [8.035521056416242]
  大規模ニューラルネットワークとタスク固有の計算モデルのトレーニングには、パラメータの重要度推定が必要である。 トレーニング中に現在の計算曲率情報を処理し、それを破棄し、類似した情報をマージするために再計算する。 トレーニング中に運動量と曲率の統計を分解し、類似した情報をマージするために再計算する統合フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-12-18T22:37:33Z)
• Interpretable Neural Approximation of Stochastic Reaction Dynamics with Guaranteed Reliability [4.736119820998459]
  我々は,解釈可能性,信頼性保証,実質的な計算ゲインを実現するニューラルネットワークフレームワークであるDeepSKAを紹介する。 DeepSKAは、状態、時間、出力関数にまたがって一般化する数学的に透明な表現を生成し、この構造を少数のシミュレーションと統合し、古典的モンテカルロよりも非バイアスで、確率的に収束し、劇的に低いマグニチュード推定を生成する。
  論文  参考訳（メタデータ） (2025-12-06T04:45:31Z)
• CAMP-HiVe: Cyclic Pair Merging based Efficient DNN Pruning with Hessian-Vector Approximation for Resource-Constrained Systems [3.343542849202802]
  CAMP-HiVeは,Hessian Vector近似を用いたサイクリックペアマージベースプルーニングである。 実験により,提案手法が計算要求の大幅な削減を実現することを示す。 既存の最先端のニューラルプルーニング法よりも優れています。
  論文  参考訳（メタデータ） (2025-11-09T07:58:36Z)
• Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
  本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。 KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
  論文  参考訳（メタデータ） (2025-10-23T07:12:26Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Risk-Averse Certification of Bayesian Neural Networks [70.44969603471903]
  本稿では,RAC-BNNと呼ばれるベイズニューラルネットワークに対するリスク・アバース認証フレームワークを提案する。 提案手法はサンプリングと最適化を利用して,BNNの出力集合の音響近似を計算する。 我々は,RAC-BNNを回帰および分類ベンチマークで検証し,その性能を最先端の手法と比較した。
  論文  参考訳（メタデータ） (2024-11-29T14:22:51Z)
• Implicit Generative Prior for Bayesian Neural Networks [8.013264410621357]
  複雑なデータ構造のための新しいニューラルネットワーク型経験ベイズ(NA-EB)フレームワークを提案する。 NA-EBフレームワークは変分推論と勾配上昇アルゴリズムを組み合わせたものである。 各種タスクの広範囲な評価を通じて,本フレームワークの実践的応用を実証する。
  論文  参考訳（メタデータ） (2024-04-27T21:00:38Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。