手術活動の認識に再帰型ニューラルネットワークを使用する

私たちは、ロボットの運動学から手術活動を認識するタスクに再帰型ニューラルネットワーク（Recurrent Neural Networks: RNN）を適用しています。この分野における先行研究は、主に短い低レベルの活動やジェスチャーの認識に焦点を当てており、隠れマルコフモデル（Hidden Markov Models: HMM）や条件付き隨機場（Conditional Random Fields: CRF）の変種に基づいていました。対照的に、私たちの研究ではジェスチャーと長時間の高レベル活動、つまりマニューバーの両方を認識することを目指しており、運動学からジェスチャー/マニューバーへのマッピングを再帰型ニューラルネットワークでモデル化しています。当該研究において、私たちは再帰型ニューラルネットワークをこのタスクに適用した初めてのグループであると自負しています。単一のモデルと単一のハイパーパラメータセットを使用して、ジェスチャ認識において最先端の性能に匹敵し、マニューバー認識においては精度および編集距離という観点で最先端の性能を向上させています。コードは以下のURLで公開されています: https://github.com/rdipietro/miccai-2016-surgical-activity-rec。注：「條件付き隨機場」（Conditional Random Fields: CRF）は日本語でも「条件付き確率場」と表記されることがあります。ただし、「隨機」がより一般的な用法であるため、ここでは「條件付き隨機場」を使用しました。