로봇 지원 수술에서 강화 학습과 트리 탐색을 이용한 자동 제스처 인식

자동 수술 제스처 인식은 로봇 지원 수술에서 지능을 향상시키는 데 기본적이며, 수술 감시 및 기술 평가와 같은 복잡한 작업 수행에 필수적입니다. 그러나 현재의 방법들은 각 프레임을 개별적으로 처리하여 미래 정보를 효과적으로 고려하지 않고 결과를 생성합니다. 본 논문에서는 강화 학습과 트리 검색을 기반으로 한 공동 수술 제스처 분할 및 분류 프레임워크를 제안합니다. 에이전트는 트리 검색에 의해 적절히 재고려되는 직접적인 결정을 내리는 인간 유사 방식으로 수술 비디오를 분할하고 분류하도록 훈련됩니다. 우리가 제안하는 트리 검색 알고리즘은 정책 네트워크와 가치 네트워크라는 두 개의 설계된 신경망의 출력을 통합합니다. 서로 다른 모델에서 제공되는 보완 정보를 통합함으로써, 우리의 프레임워크는 두 신경망 중 어느 하나만 사용하는 기준 방법보다 더 우수한 성능을 달성할 수 있습니다. 전반적인 평가에서, 우리가 개발한 접근법은 JIGSAWS 데이터셋의 봉합 작업에서 정확도, 편집 점수 및 F1 점수 측면에서 기존 방법들을 일관되게 능가하였습니다. 우리의 연구는 강화 학습 프레임워크에서 트리 검색을 활용하여 수술 로봇 응용 분야에서 행동을 개선하는 것의 중요성을 강조합니다.