https://www.wiss.org/WISS2025/assets/representatives/2-C21.jpg

概要

脳神経外科の顕微鏡縫合は熟達まで時間を要する一方，指導者による評価は主観的でばらつきがあり即時性に欠け，学習効率を損なっている．学習効率向上に向け客観的フィードバックを行うモデルが検討されているが，医療では大規模なラベル付き動画の収集が難しく，従来の教師あり学習は高精度化が難しい．本研究はこの制約に対し，少数データでも機能する振り返り支援を目的とし，転移学習を用いた時系列フィードバックを提示する．具体的には，ロボット手術映像 (JIGSAWS) で学習した表現を顕微鏡縫合へ転移し，動画全体の熟練度推定に加えてスライディングウィンドウで作成したクリップに基づく時系列ヒートマップを提示する．医師レビューでは一部でフィードバック判断の一致が見られた一方で，非動作区間の誤評価や微細運動（針先角度・糸テンション等）への非感度が指摘され，現状の有効性は限定的であることが示唆された．これを踏まえ，フェーズ分類（針通し・結紮等）との連携，非動作区間の分離，および注視すべき局所領域の強調を進め，要改善箇所の提示に直結する UI を目指す．