Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Phẫu thuật hỗ trợ robot động với phân đoạn ngữ nghĩa gia tăng theo lớp phân cấp

Created by
  • Haebom

Tác giả

Julia Hindel, Ema Mekic, Enamundram Naga Karthik, Rohit Mohan, Daniele Cattaneo, Maria Kalweit, Abhinav Valada

Phác thảo

Bài báo này trình bày một phương pháp Phân đoạn Ngữ nghĩa Lớp Gia tăng (CISS) để hiểu cảnh chính xác, theo thời gian thực trong môi trường phẫu thuật robot. Để khắc phục những hạn chế của các mô hình phân đoạn hiện có được huấn luyện trên các tập dữ liệu tĩnh, chúng tôi đề xuất TOPICS+, một phiên bản cải tiến của phương pháp Phân đoạn Lớp Gia tăng được Chính quy hóa Poincaré theo Hướng Phân loại (TOPICS). TOPICS+ giải quyết vấn đề mất cân bằng lớp bằng cách thêm mất mát Dice vào hàm mất mát phân cấp, giới thiệu nhãn giả phân cấp và thiết kế một lược đồ phân loại nhãn phù hợp với môi trường phẫu thuật robot. Hơn nữa, chúng tôi trình bày sáu chuẩn CISS mới để mô phỏng các thiết lập gia tăng lớp của môi trường phẫu thuật robot thực tế và cung cấp một bộ nhãn cải tiến gồm hơn 144 lớp trên tập dữ liệu tổng hợp Syn-Mediverse. Mã nguồn và các mô hình được huấn luyện có sẵn công khai.

Takeaways, Limitations

•
Takeaways:
◦
Đề Xuất TOPICS+, một phương pháp CISS hiệu quả để hiểu bối cảnh theo thời gian thực trong môi trường phẫu thuật bằng robot.
◦
Cải thiện hiệu suất bằng cách giải quyết tình trạng mất cân bằng lớp và giới thiệu nhãn giả phân cấp.
◦
Tiêu chuẩn CISS mới và bộ dữ liệu Syn-Mediverse được cải tiến, được thiết kế riêng cho môi trường phẫu thuật bằng robot hiện đã có sẵn.
◦
Tăng khả năng mở rộng nghiên cứu thông qua quyền truy cập mở vào mã và các mô hình được đào tạo.
•
Limitations:
◦
Có khả năng chuẩn mực và tập dữ liệu được đề xuất có thể không phản ánh hoàn toàn môi trường phẫu thuật thực tế.
◦
Cần nghiên cứu thêm để xác định hiệu suất của TOPICS+ có thể áp dụng tốt như thế nào vào nhiều môi trường và tình huống phẫu thuật bằng robot khác nhau.
◦
Do phụ thuộc nhiều vào các tập dữ liệu tổng hợp nên có thể cần phải xác thực thêm bằng dữ liệu phẫu thuật thực tế.
👍
Made with Slashpage