先分析后求解：哪些参数影响低级手术活动识别
人机交互
2017-11-20 v1
摘要
自动低级手术活动识别如今是面向未来手术室的智能情境感知辅助中众所周知的技术瓶颈。我们的研究旨在发现哪些传感器和信号可促进该识别。低级手术活动表示关于手术过程的语义信息，通常由以下要素表达：动作动词、手术器械和受操作的解剖结构。我们假设活动识别并不需要针对全部三个要素的传感器。我们利用深度学习对来自四种不同手术的 154 台手术的语义数据进行了大规模研究。结果表明，器械与动词编码了相似的信息，意味着只需追踪其中之一， preferably 器械。然而，解剖结构提供了一些独特线索，因此识别它至关重要。对于所有研究的手术，包含两个要素（始终包含结构）的组合被证明足以可靠地识别活动。我们还发现，在存在噪声的情况下，组合关于器械、结构和历史上下文的信息比简单组合全部三个要素产生更好的结果。本文还提出了若干关于手术实践的相关观察。这些发现为设计新一代手术室提供了线索。
引用
@article{arxiv.1711.06259,
title = {Analyzing Before Solving: Which Parameters Influence Low-Level Surgical Activity Recognition},
author = {Olga Dergachyova and Xavier Morandi and Pierre Jannin},
journal= {arXiv preprint arXiv:1711.06259},
year = {2017}
}