文献

J-GLOBAL ID：202202262859546960   整理番号：22A0450728

深層学習を用いた腹腔鏡ビデオにおける手術ツールの文脈検出器【JST・京大機械翻訳】

A contextual detector of surgical tools in laparoscopic videos using deep learning

著者 (3件)： Namazi Babak (Baylor Scott & White Research Institute, Dallas, TX, USA) ,  Sankaranarayanan Ganesh (Department of Surgery, Baylor University Medical Center, Dallas, TX, USA) ,  Devarajan Venkat (Electrical Engineering Department, University of Texas at Arlington, Arlington, TX, USA)
資料名： Surgical Endoscopy  (Surgical Endoscopy)
巻： 36  号： 1  ページ： 679-688  発行年： 2022年 
JST資料番号： W4977A  ISSN： 0930-2794  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 背景:腹腔鏡の複雑性は,特別な訓練と評価を必要とする。手術中のストリーミングビデオの分析は,外科的教育を改善する可能性がある。このような分析のテリウムとコストを,自動化ツール検出システムを用いて,他のものの中で劇的に低減できる。腹腔鏡ビデオの各フレームにおける外科的ツールの存在を検出するために,LapTool-Netと呼ばれる新しいマルチラベル分類器を提案した。方法:LapTool-Netの新規性は,異なるツールの使用とツールとタスク,すなわちツールの使用の文脈の間の相関関係の開発である。この目標に向けて,ツールの共起性におけるパターンを利用して,エンドツーエンド方式で訓練されたReカレント畳込みニューラルネットワーク(RCNN)に基づくマルチラベル分類器のための決定方針を設計した。後処理段階において,予測をRNNによる長期タスク順序のモデリングによって修正した。【結果】LapTool-Netは,腹腔鏡胆嚢摘出術,すなわちM2CAI16とColec80の公的に利用可能なデータセットを用いて訓練された。M2CAI16では,オンラインおよびオフラインモードにおける正確なマッチ精度(すべてのツールが正確に予測される)は,88.29%および90.53%のクラスF1スコアで,80.95%および81.84%であった。Colec80では,精度は,オンラインとオフラインで,それぞれ93.10%と96.11%ならば,F1スコアで85.77%と91.92%であった。結論:結果は,LapTool-Netが,より少ない訓練サンプルとより浅いアーキテクチャを使用する場合でも,最先端の方法を有意に凌駕することを示した。文脈意識モデルはエキスパートのドメイン固有の知識を必要とせず,簡単なアーキテクチャはすべての既存の方法を改善する可能性がある。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  自動化 ,  カレント ,  後処理 ,  *録画装置 ,  エンドツーエンド方式 ,  検出器 ,  計算機アーキテクチャ ,  *腹腔鏡 ,  腹腔鏡下胆嚢摘出術 ,  ストリーミング
準シソーラス用語： オンライン ,  オフライン ,  マルチラベル分類 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク ,  リカレントニューラルネットワーク ,  工具検出 ,  腹腔鏡下手術 ,  ラベルパワーセット

分類 (2件)： 腫ようの外科療法  (GE03033T) ,  医療用機器装置  (GA05020L)

タイトルに関連する用語 (7件)： 深層学習 ,  腹腔鏡 ,  ビデオ ,  手術 ,  ツール ,  文脈 ,  検出器