Benutzer: Gast  Login
Originaltitel:
Symphony of Time: Temporal Deep Learning for Surgical Activity Recognition
Übersetzter Titel:
Symphonie der Zeit: Temporale Deep Learning Methoden für die Erkennung chirurgischer Aktivitäten
Autor:
Czempiel, Tobias M.
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Padoy, Nicolas (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; MED Medizin
Stichworte:
deep learning, surgical data science, computer vision, temporal convolutions, attention, surgical phase recognition
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Our research uses deep learning-based methods to accurately identify surgical activities in the Operating Room, improving workflow understanding and patient outcomes. Our approach incorporates temporal convolutions and attention mechanisms, showing promising results in recognizing surgical phases, particularly in laparoscopic cholecystectomy procedures. These methods aid decision-making and improve patient safety by providing valuable insights into the complex temporal patterns of surgical proce...     »
Übersetzte Kurzfassung:
Unsere Forschung nutzt Deep-Learning-basierte Methoden, um chirurgische Aktivitäten im Operationssaal zu identifizieren, um das Verständnis der Arbeitsabläufe und die Ergebnisse für Patienten zu verbessern. Unser Ansatz umfasst zeitliche Faltung und Aufmerksamkeitsmechanismen und zeigt vielversprechende Ergebnisse bei der Erkennung von chirurgischen Phasen, insbesondere bei laparoskopischen Cholezystektomieverfahren. Diese Methoden helfen bei der Entscheidungsfindung und verbessern die Patienten...     »
WWW:
https://mediatum.ub.tum.de/?id=1699657
Eingereicht am:
22.02.2023
Mündliche Prüfung:
10.11.2023
Dateigröße:
32047014 bytes
Seiten:
139
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231110-1699657-1-6
Letzte Änderung:
04.12.2023
 BibTeX