ロボット手術におけるグラフ構造表現による学習と推論【JST・京大機械翻訳】

Islam Mobarakol; Seenivasan Lalithkumar; Ming Lim Chwee; Ren Hongliang

プレプリント

J-GLOBAL ID：202202205685767401 整理番号：22P0168157

ロボット手術におけるグラフ構造表現による学習と推論【JST・京大機械翻訳】

Learning and Reasoning with the Graph Structure Representation in Robotic Surgery

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年07月07日プレプリントサーバーでの情報更新日： 2020年09月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グラフ表現を推論し,複雑な外科環境における空間推論を実行する学習は,ロボット手術における外科的場面理解において不可欠な役割を果たすことができる。この目的のために,ロボット支援手術中の関心(ROI)の機器と手術領域の間の場面グラフを生成し,外科的相互作用を予測する方法を開発した。注意リンク関数を設計し,グラフ構文ネットワークと統合して,外科的相互作用を認識する。対応する隣接ノード特徴を有する各ノードを埋め込むために,さらにネットワークにSageConvを組み込んだ。シーングラフ生成とアクティブエッジ分類は,複雑な画像表現からのノードとエッジ特徴の埋込みまたは特徴抽出に主に依存する。ここでは,ラベル平滑化加重損失を用いて,特徴抽出法を経験的に実証した。ハードラベルの平滑化は,モデルのオーバーコンフィデント予測を避けることができ,最後層によって学習された特徴表現を強化することができる。グラフシーンラベルを得るために,ロボット手術における経験した臨床専門家による2018データセットのロボットシーンセグメンテーションに関する境界ボックスと機器-ROI相互作用について注釈付けし,著者らの命題を評価するためにそれを採用した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識 , グラフ理論基礎

, , , , ,

前のページに戻る