縫合幾何情報および映像情報に基づく外科縫合スキル推定手法

• Item type: SIG Technical Reports(1)
• 公開日: 2026-03-17
• タイトル / 言語: ja
• タイトル: 縫合幾何情報および映像情報に基づく外科縫合スキル推定手法
• タイトル / 言語: en
• タイトル: Surgical Suture Skill Estimation Method Based on Suture Geometric and Video Information
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: PRMU
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 慶應義塾大学理工学部
• 著者所属: 慶應義塾大学理工学部
• 著者所属: 慶應義塾大学医学部
• 著者所属: 慶應義塾大学理工学部
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): School of Medicine, Keio University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Technology, Keio University
• 著者名: 田中,励雄; 越元,陽太; 梶田,大樹; 五十川,麻理子
• 著者名(英): Reo Tanaka; Yota Koshimoto; Hiroki Kajita; Mariko Isogawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，低侵襲手術の普及に伴い，若手外科医の手技熟練度を客観的かつ定量的に評価する教育支援システムの需要が急速に高まっている．従来の目視評価は評価コストと主観によるばらつきが課題であり，既存の動画解析手法も手技の滑らかさ等のプロセス評価に偏重し，重要な縫合結果の質を十分に捉えきれていない．特に，手の動作は熟練者に近いが結果の精度にばらつきがある中級者の識別において，動画情報のみに依存する手法では限界があった．そこで本研究では，セグメンテーションモデルとエッジ検出等の古典的アルゴリズムを融合させ，縫合完了後の間隔，角度，回数，刺入・刺出点距離といった幾何学的特徴（以下，幾何情報とする）を自動抽出・定量化し，これを動画特徴量と統合して熟練度を判定する手法を提案する．AIxSutureデータセットを用いた実験の結果，提案手法はベースラインと比較してF1スコアが0.0917ポイント向上した．特に，中級者のF1スコアが0.2280ポイント改善され，有効性が示された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: With the widespread adoption of minimally invasive surgery, demand for objective proficiency evaluation systems has surged. Conventional visual assessment suffers from high costs and subjectivity, while existing video analysis methods primarily focus on process evaluation, such as smoothness, often overlooking the quality of the final suture. This makes it difficult to identify intermediate surgeons, whose movements resemble experts' but whose result precision varies. To address this, we propose a method fusing a segmentation model with classical algorithms like edge detection. This approach automatically quantifies geometric suture metric―including interval, angle, count, and entry-exit distance―and integrates them with video features to determine proficiency. Experiments on the AIxSuture dataset demonstrated an F1 score improvement of 0.0917 over the baseline. Notably, the F1 score for intermediate surgeons improved by 0.2280, confirming the method's effectiveness.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2026-CVIM-245, 号 43, p. 1-6, 発行日 2026-03-17
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会