Geri Dön

Makine öğrenmesi ile cerrahi hareket tanıma

Surgical gesture recognition with machine learning

  1. Tez No: 701927
  2. Yazar: SİMGE NUR KABATAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 85

Özet

Robotik cerrahi hareketlerin otomatik olarak sınıflandırılması ve tanınması, hem cerrahi eğitimde geri bildirim sağlama hem de ameliyatlarda istenmeyen durum ve hataları önlemede önemli bir adımdır. Cerrahi robotlardan kaydedilen kinematik veriler, cerrahi hareketler hakkında bilgi içerir. Bu verileri kullanarak cerrahların hareketlerini otomatik olarak modelleyebilir ve tanıyabiliriz. Bu çalışmada, cerrahi hareketlerin tanınması için kinematik veriler ile son zamanlarda zaman serisi verileri üzerindeki çalışmalarda tekrarlayan sinir ağlarına göre daha iyi başarı gösteren Transformer modeli kullanılmıştır. Bu çalışmada öğrenilen model literatürde sıkça kullanılan Long Short-Term Memory (LSTM) modeli ile karşılaştırılmıştır. Transformer modelinin ortalama olarak doğruluk payı %77' dir. Sonuçlara göre Transformer modelinin doğruluk payının literatürdeki LSTM modelleri sonuçları ile karşılaştırılabilir olduğu, kendi geliştirdiğimiz LSTM yaklaşımlara göre daha iyi sonuç verdiği görülmüştür. Ayrıca standart sapması daha azdır. Bildiğimiz kadarıyla çalışmamız bir Transformer modelini kinematik veri kullanarak cerrahi hareket tanıma için kullanan ilk çalışmadır. Deney sonuçlarımız Transformer modelinin bu alanda kullanımını desteklemektedir.

Özet (Çeviri)

Automatic classification and recognition of surgical activities is an important step towards providing automatic feedback in surgical training, and preventing adversarial events and medical errors in surgeries. Kinematic data recorded from surgical robots contains information about surgical gestures. Using this data, we can model and recognize surgeons' gestures automatically. In this study, the Transformer model, which has shown better performance than Recurrent Neural Networks (RNNs) with time series data, has been used to recognize surgical gestures with kinematic data. The model learned in this study is compared with the Long Short-Term Memory (LSTM) model, which is widely used in the literature. The average accuracy of the Transformer model is %77. According to the results, Transformer model is comparable to the state of the art LSTM methods, and has outperformed the LSTM model we have developed in this study as part of the benchmark, and the standard variation is lower. To our knowledge, our study is the first to use Transformer model for surgical activity recognition with kinematic data. Our experiments show the promise of Transformer Network in this domain.

Benzer Tezler

  1. A comprehensive dataset including force cues for gesture recognition and skills assessment in robotic surgery

    Robotik cerrahiide kuvvet ipuçları içeren kapsamlı bir veri seti hareket tanıma ve beceri değerlendirmesi

    DENİZ EKİN CANBAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE

    DR. ÖĞR. ÜYESİ FANNY FICUCIELLO

  2. Object-aware interactive perception

    Nesne farkındalıklı etkileşimli algılama

    ÇAĞATAY KOÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SANEM SARIEL UZER

    PROF. DR. SİNAN KALKAN

  3. Bazal ganglıonların mıkrocerrahı ve ak madde dıseksıyonu ıle 3 boyutlu anatomısı

    Başlık çevirisi yok

    AHMET YAPRAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    AnatomiSağlık Bakanlığı

    Beyin-Sinir ve Omurilik Cerrahisi Ana Bilim Dalı

    PROF. HÜSEYİN HAYRI KERTMEN

  4. Implementation of machine learning methods to understand surgical residents' skill levels through their hand movements generated by computer-based simulation training environments

    Cerrahi asistanların beceri düzeylerinin anlaşılması amacıyla bilgisayar tabanlı simülasyon eğitim ortamlarının oluşturduğu el hareketleri verisine makine öğrenme yöntemlerinin uygulanması

    GÖKÇEN TONBUL

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. NERGİZ ÇAĞILTAY

    DR. ÖĞR. ÜYESİ DAMLA TOPALLI

  5. Implementation of learning motion to control a robotic arm using haptic technology

    Haptik teknoloji kullanarak robot kolunun denetiminde öğrenmenin uygulanması

    AHMED RAHMAN JASIM AL MUSAWI

    Doktora

    İngilizce

    İngilizce

    2016

    Makine MühendisliğiGaziantep Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. LALE CANAN DÜLGER

    PROF. DR. SADETTİN KAPUCU