Feb, 2018

基于区域卷积神经网络的手术视频工具检测和操作技能评估

PDF
TL;DR该研究利用基于卷积神经网络的区域分析法跟踪和分析手术视频中的工具移动，从而自动评估外科医生的手术技能，在空间定位工具的同时，分析手术工具使用模式、运动范围和运动经济性等方面对手术质量进行评估。
surgical careoperative skillconvolutional neural networksspatial localizationsurgical quality
发现论文，激发创造
  • 使用 3D 卷积神经网络进行基于视频的外科技能评估

    本研究使用深度学习方法，基于视频数据进行自动技能评估，结果表明使用 3D ConvNet 直接从数据中学习有意义的模式可以高效评估外科技术技能，使得人工特征工程不再是必须的。

    Mar, 2019

  • 使用卷积神经网络从运动数据评估外科技能

    本文通过设计一种卷积神经网络 (CNN) 来自动评估机器人手术中的外科医生技能，经过我们提出的方法在 JIGSAWS 数据集上得到了非常有竞争力的结果，并通过类激活图来解释各分类并提供个性化反馈

    Jun, 2018

  • MICCAI 2022 SurgToolLoc 挑战赛的手术工具分类和定位结果和方法

    该研究旨在通过利用机器学习模型，使用手术器械的安装数据作为弱标签，实现对内窥镜视频中的手术器械进行跟踪和定位。SurgToolLoc 2022 挑战赛的结果表明，通过自动检测和跟踪手术器械，既可以提高手术效率和运营，又可以为机器学习和手术数据科学的更广泛应用提供支持。

    May, 2023

  • 微创手术视频中的弱半监督工具检测

    通过应用共现损失并使用图像级别标签，以便快速且高效地检测手术工具，我们提出了一种在大规模图像数据集上实现手术工具检测的方法，并在 Endovis2018 数据集上的实验证明了其有效性。

    Jan, 2024

  • 内镜视频中强韧手术工具识别技术及噪声数据处理

    本文提出了一种系统的方法来开发针对手术工具检测的强大模型，使用智能主动学习策略和基于学生教师模型的自训练框架，训练数据加载器为了解决基于嘈杂数据的手术工具检测的类别不平衡问题。在实验中，我们的方法有效地演示了比现有方法更好的效果。

    Jul, 2023

  • 卷积神经网络在机器人辅助手术中客观技能评估中的深度学习

    通过深度学习框架从机器人运动数据映射到单个技能级别，提出了一种无需特征工程或精心调整手势细分，即可成功解码技能信息的模型，并能在 1-3 秒窗口内可靠地解释技能，突出了深度架构在现代外科培训中高效在线技能评估的潜力。

    Jun, 2018

  • 基于 HMM 稳定化深度学习的高效手术工具识别

    经过探索性数据分析，我们发现手术视频具有相对简单的语义结构，我们提出了一种基于隐马尔可夫模型（HMM）的深度学习方法，用于工具存在性检测，结果表明，与复杂模型结构的流行深度学习方法相比，我们的方法在性能、训练和运行成本以及数据利用方面都更优，智能地将深度学习和统计学相结合可能会导致更强大的算法，同时享有竞争性能、透明解释和便捷的模型训练方式。

    Apr, 2024

  • 用于腹腔镜视频中工具跟踪的弱监督卷积 LSTM 方法

    本文介绍了一种仅使用二分类标记来训练内窥镜视频工具跟踪器的方法，这种方法利用了连续图像帧的时空一致性，基于 ConvLSTM 对工具的存在检测、空间定位和运动跟踪进行了改进。

    Dec, 2018

  • 基于视频的手术技能评估：树型高斯过程分类器

    使用视频数据进行评估，展示了所提出方法在评估外科医生熟练程度、针对性培训干预和外科部门质量保证方面的有效性，该流水线结合了表示流卷积神经网络和一种新颖的基于树的高斯过程分类器，它具有抗噪性和计算效率。此外，引入了新的核来提高准确性，该流水线的性能使用 JIGSAWS 数据集进行评估，与现有文献进行比较分析显示出准确性的显著改善和计算成本的改善，该提议的流程为使用视频数据进行外科技能评估的计算效率和准确性的提升做出了贡献，在同事外科医生的评价中，我们的研究结果表明该方法有助于促进外科住院医师的技能提高，并通过针对性培训干预和外科部门质量保证来增强患者安全。

    Dec, 2023

  • 计算机视觉提高神经外科手术室操作效率的研究：概念验证

    通过使用计算机视觉和机器学习算法，作者建立了一个用于识别神经外科手术室中的手术工具的算法，该算法可以帮助追踪手术工具、减少手术废料和无用工具的开启，从而提高手术室的效率。

    Dec, 2023