2ヶ月前
CholecTriplet2022: ツールを示し、トリプレットを教えてください -- 手術行動トリプレット検出の内視鏡視覚課題
Nwoye, Chinedu Innocent ; Yu, Tong ; Sharma, Saurav ; Murali, Aditya ; Alapatt, Deepak ; Vardazaryan, Armine ; Yuan, Kun ; Hajek, Jonas ; Reiter, Wolfgang ; Yamlahi, Amine ; Smidt, Finn-Henri ; Zou, Xiaoyang ; Zheng, Guoyan ; Oliveira, Bruno ; Torres, Helena R. ; Kondo, Satoshi ; Kasai, Satoshi ; Holm, Felix ; Özsoy, Ege ; Gui, Shuangchun ; Li, Han ; Raviteja, Sista ; Sathish, Rachana ; Poudel, Pranav ; Bhattarai, Binod ; Wang, Ziheng ; Rui, Guo ; Schellenberg, Melanie ; Vilaça, João L. ; Czempiel, Tobias ; Wang, Zhenkun ; Sheet, Debdoot ; Thapa, Shrawan Kumar ; Berniker, Max ; Godau, Patrick ; Morais, Pedro ; Regmi, Sudarshan ; Tran, Thuy Nuong ; Fonseca, Jaime ; Nölke, Jan-Hinrich ; Lima, Estevão ; Vazquez, Eduard ; Maier-Hein, Lena ; Navab, Nassir ; Mascagni, Pietro ; Seeliger, Barbara ; Gonzalez, Cristians ; Mutter, Didier ; Padoy, Nicolas
要約
手術活動を使用された器具、実行された動作、および対象となる解剖部位の三つ組として形式化することは、手術活動モデリングにおける金標準アプローチとなりつつあります。この形式化の利点は、ツールと組織の相互作用に対するより詳細な理解を得られることで、これを基に画像誘導手術向けのより優れた人工知能支援を開発することができます。以前の取り組みや2021年に導入されたCholecTripletチャレンジでは、これらの三つ組を手術映像から認識するための技術がまとめられました。さらに、これらの三つ組の空間的な位置を推定することにより、コンピュータ支援介入におけるより正確な術中状況認識に基づく意思決定支援が提供される可能性があります。本論文では、認識から検出へと拡張した手術行動三つ組モデリングであるCholecTriplet2022チャレンジについて紹介します。このチャレンジには、主要な役割を果たすすべての可視化可能な手術器具（またはツール）の弱教師ありバウンディングボックス位置推定と、各ツール活動を<器具, 動詞, 対象>三つ組の形でモデル化することが含まれています。論文では、ベースライン手法とチャレンジで提示された10つの新しい深層学習アルゴリズムについて説明し、方法論的な比較や複数の指標による結果分析、視覚的および手続き的な課題への対応などを詳しく考察しています。また、得られた結果の意義や今後の研究方向性と手術への応用に関する有用な洞察も提供しています。