使用循环神经网络识别手术活动
计算机视觉与模式识别
2016-06-23 v2
摘要
我们将循环神经网络应用于从机器人运动学识别手术活动的任务。该领域的现有工作侧重于识别短时的低级活动（即手势），并基于隐马尔可夫模型和条件随机场的变体。相比之下，我们致力于识别手势以及更长的高级活动（即操作），并使用循环神经网络对从运动学到手势/操作的映射进行建模。据我们所知，我们是首次将循环神经网络应用于此任务。使用单一模型和单一超参数集，我们在准确率和编辑距离方面均达到了手势识别的 SOTA 性能，并提升了操作识别的 SOTA 性能。代码可在 https://github.com/rdipietro/miccai-2016-surgical-activity-rec 获取。
引用
@article{arxiv.1606.06329,
title = {Recognizing Surgical Activities with Recurrent Neural Networks},
author = {Robert DiPietro and Colin Lea and Anand Malpani and Narges Ahmidi and S. Swaroop Vedula and Gyusung I. Lee and Mija R. Lee and Gregory D. Hager},
journal= {arXiv preprint arXiv:1606.06329},
year = {2016}
}
备注
Conditionally accepted at MICCAI 2016