基于深度强化学习的外科手术手势分割与分类
计算机视觉与模式识别
2018-06-22 v1
摘要
手术手势的识别对于手术技能评估和高效手术训练至关重要。先前针对该任务的工作要么基于隐马尔可夫模型(HMM)和条件随机场(CRF)等变体图模型,要么基于循环神经网络和时序卷积网络等深度学习模型。当前大多数方法通常存在过分割问题,因而段落级编辑得分较低。相比之下,我们提出了一种本质不同的方法,将该任务建模为序列决策过程。利用来自深度模型的层次化特征,通过强化学习训练一个智能体。我们将时间一致性集成到动作设计与奖励机制中,以减少过分割错误。在 JIGSAWS 数据集上的实验表明,所提方法在编辑得分上优于最先进(state-of-the-art)方法,在帧级准确率上与之相当。我们的代码稍后将开源。
引用
@article{arxiv.1806.08089,
title = {Deep Reinforcement Learning for Surgical Gesture Segmentation and Classification},
author = {Daochang Liu and Tingting Jiang},
journal= {arXiv preprint arXiv:1806.08089},
year = {2018}
}
备注
8 pages, 2 figures, accepted for MICCAI 2018