从小型非同质数据集中无监督识别手术机器人动作
计算机视觉与模式识别
2021-10-12 v2
摘要
机器人辅助手术是一种成熟的临床实践。手术动作的自动识别在一系列应用中是必要的，包括受训者表现评估以及用于自主执行与监测的手术过程建模。然而，由于手动标注潜在复杂且漫长的手术执行记录负担沉重，有监督的动作识别并不可行。此外，通常只能记录少量手术操作的示例执行。本文提出一种新颖的快速算法，用于在无监督条件下识别由 da Vinci Research Kit 执行的标准手术训练任务——环转移中的手术动作。利用从极有限执行数据集中自动提取的运动学与语义视觉特征，我们能够在非专家执行数据集上显著超越最先进结果（F1 分数 58% 对 24%），并在存在噪声、短动作及非同质工作流（即非重复动作序列）时提升性能。
引用
@article{arxiv.2105.08488,
title = {Unsupervised identification of surgical robotic actions from small non homogeneous datasets},
author = {Daniele Meli and Paolo Fiorini},
journal= {arXiv preprint arXiv:2105.08488},
year = {2021}
}