キネマティック・アダプティブ・フレーム認識 (KAFR):フレーム類似性と外科ツールの追跡によるビデオセグメンテーションのための新しいフレームワーク
Huu Phong Nguyen1, Shekhar Madhav Khairnar1, Sofia Garces Palacios1
1Department of Surgery, University of Texas Southwestern Medical Center, Dallas, TX 75390, USA.
IEEE access : practical innovations, open solutions
|August 25, 2025
まとめ
この研究では,手術用ビデオデータのサイズと計算時間を大幅に削減する新しいAI技術であるKinematics Adaptive Frame Recognition (KAFR) が紹介されています. KAFRは分析に必要なフレームを 賢明に選択することで AIモデルの精度を向上させます
科学分野:
- 手術 に 関する 人工知能
- 手術 ビデオ 分析
- 医療の手続きのための機械学習
背景:
- 手術ビデオはAIによる分析とパフォーマンス評価に不可欠です
- 手術ビデオの長さは AI モデルのトレーニングと効率化に重大な課題をもたらします
- 手術ビデオデータの量が増えていく中で 効率的な処理には 先進的な技術が必要です
研究 の 目的:
- 効率的な手術用ビデオフレーム削減のための新しい技術,キネマティック・アダプティブ・フレーム認識 (KAFR) を提案し,評価する.
- データセットのサイズと計算時間を削減し,AIモデルの精度を保存および強化します.
- 手術段階のセグメンテーションのためにKAFRを適応させ,より広範な手術データセットへの適用性を評価する.
主な方法:
- 手術道具の動態を追跡して冗長なフレームを排除するために,Kinematics Adaptive Frame Recognition (KAFR) を開発した.
- ツール検出のためのYOLOv8モデルを使用し,ツール移動に基づいてフレームの変動を計算するための類似相が続きます.
- Gastrojejunostomy (GJ) と Pancreaticojejunostomy (PJ) のデータセットに関するKAFRを評価するために,分類のためのX3Dコンボリューションニューラルネットワーク (CNN) を訓練した.
主要な成果:
- KAFRはGJデータセットのフレームを10倍に削減し,精度を4.32%,F1スコアを0.16%改善しました.
- PJデータセットでは,KAFRによってデータの5倍が減り,精度が2.05%,F1スコアが2.54%増加しました.
- このアプローチは,最先端の方法と比較して競争力のある性能と効率性を示しました.
結論:
- キネマティック・アダプティブ・フレーム・認識 (KAFR) は,手術用ビデオデータのサイズと計算時間を効果的に削減し,AIモデルの精度を向上させます.
- KAFRは様々な外科データセットと相分割タスクに適用できる多用途技術です.
- KAFRはデータ入力を最適化することで既存のAIモデルを強化し,手術データ分析の貴重な補足となります.
