Video Experimental Relacionado
Updated: Jan 18, 2026
06:48
Emergency Undocking in Robotic Surgery: A Simulation Curriculum
Published on: May 20, 2018
10.1K
ImitateCholec: Un conjunto de datos multimodal para el aprendizaje por imitación de largo alcance en colecistectomía
Pascal Hansen1,2, Ji Woong Brian Kim3,4, Antony Goldenberg3
1Laboratory for Computational Sensing and Robotics, Johns Hopkins University, Baltimore, 21218, USA. pascaldothansen@gmail.com.
Scientific data
|January 15, 2026
Resumen
Un nuevo conjunto de datos, ImitateCholec, apoya el entrenamiento de sistemas robóticos autónomos para la cirugía. Este avance tiene como objetivo mejorar los procedimientos quirúrgicos al permitir que los robots aprendan tareas complejas como el clipado y el corte durante la colecistectomía laparoscópica.
Área de la Ciencia:
- Robótica
- Tecnología Quirúrgica
- Inteligencia Artificial
Sus antecedentes:
- La escasez mundial de cirujanos cualificados exige tecnologías de asistencia avanzadas en los quirófanos.
- La cirugía robótica ofrece potencial para una mayor precisión y eficiencia.
- Los sistemas autónomos actuales requieren conjuntos de datos robustos para entrenar tareas quirúrgicas complejas.
Objetivo del estudio:
- Introducir ImitateCholec, un conjunto de datos novedoso para avanzar en la cirugía robótica autónoma.
- Facilitar el aprendizaje por imitación para sistemas robóticos en colecistectomía laparoscópica.
- Permitir el desarrollo de robots capaces de autonomía a nivel de fase y procedural.
Principales métodos:
- Recopilado más de 18.000 demostraciones (aproximadamente 20 horas) de 34 colecistectomías ex vivo en cerdos.
- Segmentadas las fases de clipado y corte en 17 tareas quirúrgicas distintas.
- Integradas vídeos endoscópicos multiperspectiva con datos cinemáticos del da Vinci Research Kit.
Principales resultados:
- El conjunto de datos incluye ejecuciones óptimas y maniobras de recuperación para manejar la variabilidad quirúrgica.
- Permite el entrenamiento de modelos de aprendizaje por imitación para la ejecución del flujo de trabajo quirúrgico de largo alcance.
- Soporta aplicaciones en modelado de flujo de trabajo quirúrgico, reconocimiento de errores y estimación de pose de herramientas.
Conclusiones:
- ImitateCholec es un recurso valioso para el desarrollo de sistemas quirúrgicos robóticos autónomos.
- El conjunto de datos avanza el potencial de asistencia robótica en procedimientos quirúrgicos complejos.
- Facilita el progreso hacia la autonomía procedural completa en cirugía robótica.
