RSDNet：无需人工标注从腹腔镜视频预测剩余手术时长的学习框架
计算机视觉与模式识别
2018-12-04 v2
摘要
准确的手术时长估计对于优化手术室规划十分必要，这在患者舒适与安全以及资源优化方面起着重要作用。然而，由于手术时长因患者状况、外科医生技能和术中情况而有显著差异，术前预测手术时长具有挑战性。本文提出一种称为 RSDNet 的深度学习流程，它仅利用腹腔镜视频的视觉信息在术中自动估计剩余手术时长（RSD）。先前最先进的 RSD 预测方法依赖于人工标注，其生成需要昂贵的专家知识且耗时，尤其考虑到医院中执行的众多手术类型以及大量可用的腹腔镜视频。RSDNet 的一个关键特性是训练期间不依赖任何人工标注，使其易于扩展到多种手术。我们通过在两个包含不同类型手术的大型数据集（120 个胆囊切除术和 170 个胃旁路手术视频）上测试该流程，证明了方法的泛化性。实验结果还表明，所提出的网络显著优于不使用人工标注估计 RSD 的传统方法。此外，本工作通过对自动学习特征的可视化与解释，深入洞察了深度学习网络。
引用
@article{arxiv.1802.03243,
title = {RSDNet: Learning to Predict Remaining Surgery Duration from Laparoscopic Videos Without Manual Annotations},
author = {Andru Putra Twinanda and Gaurav Yengera and Didier Mutter and Jacques Marescaux and Nicolas Padoy},
journal= {arXiv preprint arXiv:1802.03243},
year = {2018}
}
备注
10 pages, IEEE Transactions on Medical Imaging, 2018