Makine öğrenmesi ile cerrahi hareket tanıma
Surgical gesture recognition with machine learning
- Tez No: 701927
- Danışmanlar: DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
DR. ÖĞR. ÜYESİ FANNY FICUCIELLO
- Object-aware interactive perception
Nesne farkındalıklı etkileşimli algılama
ÇAĞATAY KOÇ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
PROF. DR. SİNAN KALKAN
- Bazal ganglıonların mıkrocerrahı ve ak madde dıseksıyonu ıle 3 boyutlu anatomısı
Başlık çevirisi yok
AHMET YAPRAK
Tıpta Uzmanlık
Türkçe
2024
AnatomiSağlık BakanlığıBeyin-Sinir ve Omurilik Cerrahisi Ana Bilim Dalı
PROF. HÜSEYİN HAYRI KERTMEN
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. NERGİZ ÇAĞILTAY
DR. ÖĞR. ÜYESİ DAMLA TOPALLI
- 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
2016
Makine MühendisliğiGaziantep ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. LALE CANAN DÜLGER
PROF. DR. SADETTİN KAPUCU