Objective Surgical Skills Assessment and Tool Localization: Results from the MICCAI 2021 SimSurgSkill Challenge

要約

手術トレーニングにおけるタイムリーで効果的なフィードバックは、安全で効率的な手術を行うために必要なスキルを開発する上で重要な役割を果たします。
専門の外科医からのフィードバックは、この点で特に価値がありますが、通常は多忙なスケジュールであるため、入手が困難であり、偏見の影響を受ける可能性があります。
OSATS や GEARS などの正式な評価手順は、スキルの客観的な尺度を提供しようとしますが、依然として時間がかかります。
機械学習の進歩により、技術スキルに関する迅速かつ客観的な自動フィードバックの機会があります。
SimSurgSkill 2021 チャレンジ (MICCAI 2021 で EndoVis のサブチャレンジとして主催) は、この取り組みの促進と育成を目的としています。
仮想現実 (VR) 手術タスクを使用して、競技者は器具のローカライズと手術スキルの予測を課されました。
ここでは、成功したアプローチとそのパフォーマンスをまとめます。
この公開されているデータセットと結果を出発点として使用することで、将来の作業では、外科データ サイエンスの進歩により外科医のより効率的なトレーニングが可能になる可能性があります。
データセットには、https://console.cloud.google.com/storage/browser/isi-simsurgskill-2021 からアクセスできます。

要約(オリジナル)

Timely and effective feedback within surgical training plays a critical role in developing the skills required to perform safe and efficient surgery. Feedback from expert surgeons, while especially valuable in this regard, is challenging to acquire due to their typically busy schedules, and may be subject to biases. Formal assessment procedures like OSATS and GEARS attempt to provide objective measures of skill, but remain time-consuming. With advances in machine learning there is an opportunity for fast and objective automated feedback on technical skills. The SimSurgSkill 2021 challenge (hosted as a sub-challenge of EndoVis at MICCAI 2021) aimed to promote and foster work in this endeavor. Using virtual reality (VR) surgical tasks, competitors were tasked with localizing instruments and predicting surgical skill. Here we summarize the winning approaches and how they performed. Using this publicly available dataset and results as a springboard, future work may enable more efficient training of surgeons with advances in surgical data science. The dataset can be accessed from https://console.cloud.google.com/storage/browser/isi-simsurgskill-2021.

arxiv情報

著者 Aneeq Zia,Kiran Bhattacharyya,Xi Liu,Ziheng Wang,Max Berniker,Satoshi Kondo,Emanuele Colleoni,Dimitris Psychogyios,Yueming Jin,Jinfan Zhou,Evangelos Mazomenos,Lena Maier-Hein,Danail Stoyanov,Stefanie Speidel,Anthony Jarc
発行日 2022-12-08 18:14:52+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク