ロボット支援手術における運動学データを用いた機械学習手法による外科的ジェスチャー認識 | JoVE Visualize

科学分野:

ロボット工学
機械学習
外科技術

背景:

ロボット支援手術は精度を提供しますが、リアルタイムの術中フィードバックが不足しています。
外科的ジェスチャーの正確な認識は、インテリジェントな外科ツールを開発するために不可欠です。
現在の方法では視覚データに依存することが多く、リアルタイムの運動学的分析が制限されます。

研究の目的:

リアルタイム外科的ジェスチャー認識のための機械学習モデルを開発および評価すること。
患者側ロボットマニピュレーターからの運動学データのみを利用すること。
外科的タスクの既存の最先端認識率を改善すること。

主な方法:

長期短期記憶（LSTM）ベースラインを含むさまざまなニューラルネットワークアーキテクチャのトレーニング。
2つのハイブリッドモデルの提案とテスト：条件付きランダムフィールド（CRF）を備えたLSTMと注意層を備えたLSTM。
縫合タスクに焦点を当てたJIGSAWSデータセットでのモデルパフォーマンスの評価。

主要な成果:

提案されたハイブリッドアプローチは、ベースラインのLSTMモデルよりも優れた性能を発揮しました。
注意層と組み合わせたLSTMモデルは、81.56%で最も高い精度を達成しました。
比較分析により、さらなるパフォーマンス最適化のための特定の領域が特定されました。

結論:

ハイブリッド機械学習モデル、特に注意ベースのモデルは、リアルタイム外科的ジェスチャー認識に大きな可能性を示しています。
運動学データのみで、ロボット支援手術における効果的なジェスチャー認識が可能です。
この研究は、外科医のための術中モニタリングおよび支援ツールの開発の基盤を提供します。