論文の概要: Shifted Window Temporal Transformer for YOLO-Guided Phase Recognition in Laparoscopic Cholecystectomy Surgery

• arxiv url: http://arxiv.org/abs/2610.35005v1
• Date: Mon, 26 Oct 2026 08:17:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.793474
• Title: Shifted Window Temporal Transformer for YOLO-Guided Phase Recognition in Laparoscopic Cholecystectomy Surgery
• Title（参考訳）: 腹腔鏡下胆嚢摘出術におけるYOLO誘導相認識のためのシフトウインドウ時間変換器
• Abstract要約: 本稿では,スイニング・トランスフォーマーとテンポラル・トランスフォーマー(TTE)を併用した効果的な外科的位相認識のための臨床的意義のあるフレームワークを提案する。 このモデル全体の位相認識精度は92%であり、マクロ平均F1スコアは0.86であった。 提案されたフレームワークは、インテリジェントな外科的補助、認識の充実、および潜在的なロボット手術応用の基礎として機能する。
• 参考スコア（独自算出の注目度）: 0.3479712135769015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intelligent operating rooms require accurate awareness of surgical workflow for better intra-operative decisions, teamwork, and surgical documentation. Therefore, accurately recognizing surgical phase during surgery is crucial. However, previous artificial intelligence-based methods provide fluctuating predictions for the transitions, restricting their clinical use. To address this challenge, we propose a clinically meaningful framework that integrates a Swin Transformer and Temporal Transformer Encoder (TTE) for effective surgical phase recognition and a parallel YOLOv11s network for real-time surgical instrument localization. To avoid phase flickering and to produce stable workflow predictions, a causal temporal smoothing is applied. The proposed framework is tested on the Cholec80 dataset for the simultaneous recognition of the surgical phases and instruments. The overall phase recognition accuracy of this model was 92%, and the macro average F1-score was 0.86. This performance surpasses CNN based methods such as EndoNet (81.7%) and SV-RCNet (85.3%), as well as temporal convolutional and transformer-based approaches including TeCNO (88.6%), Trans-SVNet (90.9%), and LoViT (91.5%). Besides, the module of instrument detection achieved mAP@0.5 = 0.863. The reliability of the results is confirmed, obtaining a high recognition rate of the workflows, and a high accuracy of the localization of the instruments. The proposed framework can serve as a foundation for intelligent surgical assistance, enriching situation awareness, and potential robotic surgery applications. Code will be made publicly available at: https://github.com/ac005sheekar/LapChol-Surgery-Swin-Cholec80
• Abstract（参考訳）: インテリジェントな手術室は、手術のワークフローを正確に認識し、手術内決定、チームワーク、手術文書をより良いものにする必要がある。 したがって、手術中の外科的位相を正確に認識することが重要である。 しかし、従来の人工知能ベースの手法は、遷移の変動予測を提供し、臨床使用を制限する。 そこで本研究では,Swin Transformer と Temporal Transformer Encoder (TTE) を併用した効果的な手術位相認識のための臨床的意義の高いフレームワークと,リアルタイムな手術機器のローカライゼーションのためのYOLOv11sネットワークを提案する。 位相フリッカリングを回避し、安定したワークフロー予測を生成するために、因果時間平滑化を適用する。 提案手法はColec80データセットを用いて手術フェーズと機器の同時認識試験を行う。 このモデル全体の位相認識精度は92%であり、マクロ平均F1スコアは0.86であった。 この性能は、EndoNet (81.7%) やSV-RCNet (85.3%) といったCNNベースの手法を上回り、TeCNO (88.6%)、Trans-SVNet (90.9%)、LoViT (91.5%) といった時間的畳み込みとトランスフォーマーベースのアプローチも上回っている。 また、計器検出モジュールはmAP@0.5 = 0.863となった。 結果の信頼性を確認し、ワークフローの認識率が高く、機器のローカライゼーションの精度が高い。 提案されたフレームワークは、インテリジェントな外科的補助、状況認識の充実、および潜在的なロボット手術応用の基礎として機能する。 コードは、https://github.com/ac005sheekar/LapChol-Surgery-Swin-Cholec80で公開される。

関連論文リスト

• A Detection-Gated Pipeline for Robust Glottal Area Waveform Extraction and Clinical Pathology Assessment [0.0]
  本稿では,ローカライザとセグメンタを統合した検出ゲートパイプラインを提案する。 パイプラインはGIRAFEとBAGLSベンチマークで最先端の一貫性を達成した。
  論文  参考訳（メタデータ） (2026-03-02T17:05:41Z)
• 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)
• An Interpretable Transformer-Based Foundation Model for Cross-Procedural Skill Assessment Using Raw fNIRS Signals [0.0]
  本稿では,FNIRS信号の最小処理に基づく解釈可能なトランスフォーマーベース基礎モデルを提案する。 このモデルは全てのタスクにおいて88%以上の分類精度を達成し、マシューズ相関係数はETIで0.91を超える。 これは、30個未満のラベル付きサンプルと軽量(2kパラメータ未満)アダプターモジュールを使用する新しい緊急気道手順に一般化する。
  論文  参考訳（メタデータ） (2025-06-21T18:30:58Z)
• SPRMamba: Surgical Phase Recognition for Endoscopic Submucosal Dissection with Mamba [6.531066045206769]
  リアルタイムの外科的位相認識のための新しいフレームワークであるSPRMambaを提案する。 MambaアーキテクチャとScaled Residual TranMambaブロックを統合して、時間的モデリングと局所的な詳細抽出を相乗化する。 最先端のパフォーマンス(ESD385では87.64%、以前の方法では1.0%)を達成し、外科手術全体にわたって堅牢な一般化性を示す。
  論文  参考訳（メタデータ） (2024-09-18T16:26:56Z)
• 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)
• ARST: Auto-Regressive Surgical Transformer for Phase Recognition from Laparoscopic Videos [2.973286445527318]
  自然言語処理における逐次データモデリングのために提案されたTransformerは,外科的位相認識に成功している。 本研究では, 腹腔鏡下画像からのオンライン手術位相認識のために, ARSTと呼ばれる自動回帰手術変換器が最初に提案されている。
  論文  参考訳（メタデータ） (2022-09-02T16:05:39Z)
• Surgical Phase Recognition in Laparoscopic Cholecystectomy [57.929132269036245]
  本稿では,2段階推論パイプラインのキャリブレーションされた信頼度スコアを利用するTransformerに基づく手法を提案する。 提案手法はColec80データセットのベースラインモデルよりも優れており,様々なアクションセグメンテーション手法に適用できる。
  論文  参考訳（メタデータ） (2022-06-14T22:55:31Z)
• Trans-SVNet: Accurate Phase Recognition from Surgical Videos via Hybrid Embedding Aggregation Transformer [57.18185972461453]
  本稿では,手術ワークフロー解析トランスフォーマーを初めて導入し,正確な位相認識のための時間的特徴と時間的特徴の無視された補完効果を再考する。 我々のフレームワークは軽量であり、高い推論速度を達成するためにハイブリッド埋め込みを並列に処理します。
  論文  参考訳（メタデータ） (2021-03-17T15:12:55Z)

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。