文献

J-GLOBAL ID：202202275122659924   整理番号：22A1046277

ロボット縫合技能評価を自動化するための道路:グランドトルースの誤ラベリングの戦い【JST・京大機械翻訳】

Road to automating robotic suturing skills assessment: Battling mislabeling of the ground truth

著者 (7件)： Hung Andrew J. (Center for Robotic Simulation and Education, Catherine and Joseph Aresty Department of Urology, USC Institute of Urology, University of Southern California, Los Angeles, CA) ,  Rambhatla Sirisha (Computer Science Department, Viterbi School of Engineering, University of Southern California, Los Angeles, CA) ,  Sanford Daniel I. (Center for Robotic Simulation and Education, Catherine and Joseph Aresty Department of Urology, USC Institute of Urology, University of Southern California, Los Angeles, CA) ,  Pachauri Nilay (Computer Science Department, Viterbi School of Engineering, University of Southern California, Los Angeles, CA) ,  Vanstrum Erik (Center for Robotic Simulation and Education, Catherine and Joseph Aresty Department of Urology, USC Institute of Urology, University of Southern California, Los Angeles, CA) ,  Nguyen Jessica H. (Center for Robotic Simulation and Education, Catherine and Joseph Aresty Department of Urology, USC Institute of Urology, University of Southern California, Los Angeles, CA) ,  Liu Yan (Computer Science Department, Viterbi School of Engineering, University of Southern California, Los Angeles, CA)
資料名： Surgery  (Surgery)
巻： 171  号： 4  ページ： 915-919  発行年： 2022年 
JST資料番号： C0796B  ISSN： 0039-6060  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ロボット機器運動学データを用いて,外科医スキル評価を自動化する。さらに,教師なし誤ラベリング検出アルゴリズムを実装するために,モデル性能を改善するために除去できる潜在的誤ラベル化サンプルを同定する。ビデオ記録と機器運動学データを,Mimic FlexVRロボットシミュレータで完成した縫合運動から導き出した。構造化ヒトコンセンサス構築プロセスを開発し,3人のヒト等級者を横断したロボット的吻合能力評価技術スコアを決定した。2層長短期記憶ベース分類モデルは,技能評価を自動化するために,機器運動学データを使用した。教師なしラベル分析器(NoiseRank)を用いて,スキルデータの潜在的誤ラベリングを同定した。長い短期記憶モデル技術スキルスコア予測の性能を訓練実行の曲線の下で最良の面積で測定した。雑音ランクは,誤ラベリングの尤度に基づく定格スキル評価のランク付けリストを出力した。22人の外科医は226の縫合試みを実施し,それは1,404人の個人スキル評価ポイントに破壊された。針入角,針運転および針離脱技術スキルスコアの自動化は,全ての利用可能なデータを用い,ベースラインでの針位置決め(0.532)より,より良い(曲線下面積0.698~0.705)を示した。潜在的ミスラベルは,その後,ノイズRankによって同定され,除去され,すべてのドメイン(曲線下面積0.551~0.766)にわたるモデル性能を改善した。人間グレードとロボット機器運動学データからのグランドトルースラベルを用いて,機械学習モデルは,優れた性能を有する詳細な縫合技術スキルの自動評価を有する。さらに,教師なし誤ラベリング検出アルゴリズムは誤ラベル化データを投影し,それらの除去とその後のモデル性能の改善を可能にした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  *自動化 ,  *ロボット ,  *道路 ,  ラベル ,  ヒト ,  録画 ,  分析機器 ,  吻合術 ,  *縫合術 ,  機械学習
準シソーラス用語： 尤度 ,  検出アルゴリズム ,  *グランドトゥルース ,  分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： ロボット ,  縫合 ,  技能 ,  評価 ,  自動化 ,  道路 ,  グランドトルース ,  ラベリング