Multitask Learning in Minimally Invasive Surgical Vision: A Review

要約

低侵襲手術（MIS）は多くの手順に革命をもたらし、回復時間の短縮と患者の怪我のリスクをもたらしました。
ただし、MISは手術チームに追加の複雑さと負担をもたらします。
データ駆動型の外科的視力アルゴリズムは、自律性が改善された将来のMISシステムの開発における重要なビルディングブロックであると考えられています。
機械学習とコンピュータービジョンにおける最近の進歩により、MISビデオの課題を軽減するという約束でMISから得られたビデオの分析に成功したアプリケーションが成功しました。
外科シーンとアクション理解には、個別に解決すると、メモリが集中し、非効率的であり、タスク関係をキャプチャできない複数の関連タスクが含まれます。
マルチタスクラーニング（MTL）は、複数の関連タスクから情報を活用してパフォーマンスを改善し、一般化を支援する学習パラダイムであり、MISデータの細かく高レベルの理解に適しています。
このレビューは、MISから取得したビデオを活用する現在の最先端のMTLシステムの物語の概要を提供します。
公開されたアプローチのリストを超えて、これらのMTLシステムの利点と制限について説明します。
さらに、この原稿は、MISのMTLのさまざまなアプリケーション分野の文献の分析を提示します。これには、大きなモデルがあるものを含む、顕著な傾向、研究の新しい方向、および開発を強調しています。

要約(オリジナル)

Minimally invasive surgery (MIS) has revolutionized many procedures and led to reduced recovery time and risk of patient injury. However, MIS poses additional complexity and burden on surgical teams. Data-driven surgical vision algorithms are thought to be key building blocks in the development of future MIS systems with improved autonomy. Recent advancements in machine learning and computer vision have led to successful applications in analyzing videos obtained from MIS with the promise of alleviating challenges in MIS videos. Surgical scene and action understanding encompasses multiple related tasks that, when solved individually, can be memory-intensive, inefficient, and fail to capture task relationships. Multitask learning (MTL), a learning paradigm that leverages information from multiple related tasks to improve performance and aid generalization, is well suited for fine-grained and high-level understanding of MIS data. This review provides a narrative overview of the current state-of-the-art MTL systems that leverage videos obtained from MIS. Beyond listing published approaches, we discuss the benefits and limitations of these MTL systems. Moreover, this manuscript presents an analysis of the literature for various application fields of MTL in MIS, including those with large models, highlighting notable trends, new directions of research, and developments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google