Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
Cirugía dinámica asistida por robot con segmentación semántica incremental de clases jerárquicas
Created by
Haebom
Autor
Julia Hindel, Ema Mekic, Enamundram Naga Karthik, Rohit Mohan, Daniele Cattaneo, Maria Kalweit, Abhinav Valada
Describir
Este artículo presenta un método de Segmentación Semántica de Clases Incrementales (CISS) para la comprensión precisa y en tiempo real de escenas en entornos quirúrgicos robóticos. Para superar las limitaciones de los modelos de segmentación existentes entrenados con conjuntos de datos estáticos, proponemos TOPICS+, una versión mejorada del método de Segmentación de Clases Incrementales Regularizada por Poincaré Orientada a la Taxonomía (TOPICS). TOPICS+ aborda el desequilibrio de clases añadiendo la pérdida de Dice a la función de pérdida jerárquica, introduce el pseudoetiquetado jerárquico y diseña un esquema de clasificación de etiquetas adaptado a entornos quirúrgicos robóticos. Además, presentamos seis nuevos benchmarks de CISS para imitar la configuración incremental de clases de entornos quirúrgicos robóticos realistas y proporcionamos un conjunto de etiquetas mejorado de más de 144 clases en el conjunto de datos sintéticos Syn-Mediverse. El código y los modelos entrenados están disponibles públicamente.
Takeaways, Limitations
•
Takeaways:
◦
Proponemos TOPICS+, un método CISS eficiente para la comprensión de escenas en tiempo real en entornos quirúrgicos robóticos.
◦
Se mejoró el rendimiento al abordar el desequilibrio de clases e introducir un pseudoetiquetado jerárquico.
◦
Ya están disponibles un nuevo punto de referencia CISS y un conjunto de datos Syn-Mediverse mejorado, diseñados específicamente para entornos quirúrgicos robóticos.
◦
Mayor escalabilidad de la investigación mediante el acceso abierto al código y a los modelos entrenados.
•
Limitations:
◦
Existe la posibilidad de que el punto de referencia y el conjunto de datos propuestos no reflejen perfectamente el entorno quirúrgico real.
◦
Se necesitan más investigaciones para determinar hasta qué punto el rendimiento de TOPICS+ puede generalizarse a diversos entornos y situaciones quirúrgicas robóticas.
◦
Debido a la gran dependencia de conjuntos de datos sintéticos, puede ser necesaria una validación adicional utilizando datos quirúrgicos reales.
