利用卷积神经网络从运动学数据评估手术技能
计算机视觉与模式识别
2018-11-27 v1
摘要
对自动手术技能评估的需求正在增加，尤其是因为资深外科医生观察 junior 外科医生所给出的手动反馈易带主观性且耗时。因此，自动化手术技能评估是改进手术实践非常重要的一步。在本文中，我们设计了一个卷积神经网络（CNN）通过在机器人手术中执行的外科医生运动提取模式来评估外科医生技能。所提方法在 JIGSAWS 数据集上验证，并在缝合与穿针任务上以 100% 准确率取得了极具竞争力的结果。在利用 CNN 高效性的同时，我们还通过类激活图缓解了它的黑盒效应。该特性使我们的方法能自动高亮影响技能预测的手术任务部分，并可用于解释分类以及向受训者提供个性化反馈。
引用
@article{arxiv.1806.02750,
title = {Evaluating surgical skills from kinematic data using convolutional neural networks},
author = {Hassan Ismail Fawaz and Germain Forestier and Jonathan Weber and Lhassane Idoumghar and Pierre-Alain Muller},
journal= {arXiv preprint arXiv:1806.02750},
year = {2018}
}
备注
Accepted at MICCAI 2018