基于类不平衡的手术缝合动作检测自动机器学习框架
机器学习
2025-02-11 v1 机器人学
摘要
在腹腔镜手术训练和评估中，实时检测手术动作且输出可解释信息对于实现自动化和实时指令反馈以及技能发展至关重要。这种能力将使开发由机器导师驱动的训练系统成为可能。本文提出了一种快速部署方法，利用自动机器学习方法，基于来自经验丰富的外科医生和学徒外科医生的手术动作数据。该方法有效解决了高度不平衡类分布的挑战，确保在不同水平的外科医生技能水平下都能进行稳健预测。此外，我们的方法部分包含模型透明度，以满足医疗应用的可靠性要求。与深度学习方法相比，传统机器学习模型不仅便于高效的快速部署，还在可解释性方面具有显著优势。通过实验，本研究表明，这种方法有望在手术训练环境中提供快速、可靠且高效的实时检测。
引用
@article{arxiv.2502.06407,
title = {An Automated Machine Learning Framework for Surgical Suturing Action Detection under Class Imbalance},
author = {Baobing Zhang and Paul Sullivan and Benjie Tang and Ghulam Nabi and Mustafa Suphi Erden},
journal= {arXiv preprint arXiv:2502.06407},
year = {2025}
}