用于手术手势识别与进度预测的多任务循环神经网络
计算机视觉与模式识别
2020-03-11 v1 机器学习
机器人学
摘要
手术手势识别对于手术数据科学与计算机辅助介入十分重要。即便利用机器人运动学信息，自动分割手术步骤仍存在诸多挑战，因为手术演示在风格、动作时长与顺序上呈现高度变异性。为从运动学信号中提取判别性特征并提升识别准确率，我们提出一种多任务循环神经网络，用于同时识别手术手势并估计一种新颖构造的手术任务进度。为展示所提方法的有效性，我们其在 JIGSAWS 数据集上评估应用，该数据集是当前唯一公开可用的包含机器人运动学数据的手术手势识别数据集。我们证明，在多任务框架下结合进度估计可在无需任何额外人工标注与训练的情况下改善识别性能。
引用
@article{arxiv.2003.04772,
title = {Multi-Task Recurrent Neural Network for Surgical Gesture Recognition and Progress Prediction},
author = {Beatrice van Amsterdam and Matthew J. Clarkson and Danail Stoyanov},
journal= {arXiv preprint arXiv:2003.04772},
year = {2020}
}
备注
Accepted to ICRA 2020