An Automated Machine Learning Framework for Surgical Suturing Action Detection under Class Imbalance

要約

腹腔鏡検査の外科的トレーニングと評価では、解釈可能な出力による外科的作用のリアルタイム検出は、自動化されたリアルタイムの教育フィードバックとスキル開発に不可欠です。
このような機能により、マシンガイド付きトレーニングシステムの開発が可能になります。
このペーパーでは、経験豊富な外科医と研修生の両方から収集された外科的行動データに基づいて、自動化された機械学習方法を利用した迅速な展開アプローチを紹介します。
提案されたアプローチは、非常に不均衡なクラス分布の課題に効果的に取り組み、さまざまなスキルレベルの外科医にわたって堅牢な予測を確保します。
さらに、この方法にはモデルの透明性が部分的に組み込まれており、医療用途の信頼性要件に対処します。
ディープラーニングアプローチと比較して、従来の機械学習モデルは、効率的な迅速な展開を促進するだけでなく、解釈可能性にも大きな利点を提供します。
実験を通じて、この研究は、外科訓練環境で迅速で信頼性の高い効果的なリアルタイム検出を提供するこのアプローチの可能性を示しています

要約(オリジナル)

In laparoscopy surgical training and evaluation, real-time detection of surgical actions with interpretable outputs is crucial for automated and real-time instructional feedback and skill development. Such capability would enable development of machine guided training systems. This paper presents a rapid deployment approach utilizing automated machine learning methods, based on surgical action data collected from both experienced and trainee surgeons. The proposed approach effectively tackles the challenge of highly imbalanced class distributions, ensuring robust predictions across varying skill levels of surgeons. Additionally, our method partially incorporates model transparency, addressing the reliability requirements in medical applications. Compared to deep learning approaches, traditional machine learning models not only facilitate efficient rapid deployment but also offer significant advantages in interpretability. Through experiments, this study demonstrates the potential of this approach to provide quick, reliable and effective real-time detection in surgical training environments

arxiv情報

提供元, 利用サービス

arxiv.jp, Google