Makine öğrenmesi ile cerrahi hareket tanıma

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.