kinematic 데이터를 사용한 convolutional neural networks를 통한 수술 기술 평가

수술 기술의 자동 평가에 대한 필요성이 증가하고 있으며, 특히 선임 수술사가 후임 수술사를 관찰하여 제공하는 수동 피드백은 주관적이며 시간이 많이 소요되기 때문에 그렇습니다. 따라서 수술 기술 평가를 자동화하는 것은 수술 실무를 개선하기 위한 매우 중요한 단계입니다. 본 논문에서는 로봇 수술 중 수술사의 동작에서 패턴을 추출하여 수술 기술을 평가할 수 있는 합성곱 신경망(Convolutional Neural Network, CNN)을 설계하였습니다. 제안된 방법은 JIGSAWS 데이터셋에서 검증되었으며, 봉합 및 바늘 통과 작업에서 100%의 정확도를 달성하였습니다. 우리는 CNN의 효율성을 활용하면서도 클래스 활성화 맵(class activation map)을 사용하여 그 백박스 효과(black-box effect)를 완화하는데 성공하였습니다. 이 기능은 우리의 방법이 자동으로 어떤 부분이 수술 기술 예측에 영향을 미쳤는지를 강조할 수 있게 하며, 분류를 설명하고 교육생에게 개인화된 피드백을 제공하는 데 사용될 수 있습니다.