Action-grounded tissue affordance enables anticipatory auto-framing that lowers surgeon cognitive workload during laparoscopic surgery
यह शोध पत्र DiffeoAfford को प्रस्तुत करता है, जो एक एक्शन-ग्राउंडेड फ्रेमवर्क है जो सर्जिकल प्रक्रियाओं से विजुअल अटेंशन लेबल स्वचालित रूप से उत्पन्न करता है ताकि AffordView को शक्ति प्रदान की जा सके, जो एक ऑटो-फ्रेमिंग सिस्टम है जो विशेषज्ञ की दृष्टि के साथ संरेखित होता है और लैप्रोस्कोपिक सर्जरी के दौरान सर्जन के संज्ञानात्मक कार्यभार (कॉग्निटिव वर्कलोड) को महत्वपूर्ण रूप से कम करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक फिल्म में हाई-स्पीड चेज़ सीन का पीछा करने की कोशिश कर रहे हैं, लेकिन कैमरा ऑपरेटर थोड़ा धीमा है। वे कार के मुड़ने से ठीक पहले लेंस को खाली सड़क की ओर मोड़ देते हैं, या किसी पेड़ की वजह से विचलित हो जाते हैं और विस्फोट को मिस कर देते हैं। वास्तविक दुनिया में सर्जरी के दौरान, विशेष रूप से लैप्रोस्कोपी नामक एक प्रकार की सर्जरी में, सर्जन इस समस्या का एक बहुत ही खतरनाक संस्करण झेलते हैं। वे लंबे उपकरणों और एक वीडियो स्क्रीन का उपयोग करके रोगी के शरीर के भीतर ऑपरेशन करते हैं, लेकिन वे एक साथ पूरी तस्वीर नहीं देख सकते। सही स्थान देखने के लिए, उन्हें एक ऐसे कैमरे की आवश्यकता होती है जो उनके हाथों और आंखों का सटीक रूप से अनुसरण करे।
बड़ी चुनौती यह है कि यहाँ "कैमरा ऑपरेटर" आमतौर पर एक मानव सहायक होता है। इस सहायक को यह अनुमान लगाना पड़ता है कि सर्जन आगे क्या देखना चाहता है, और अक्सर वे गलत अनुमान लगाते हैं, जिससे सर्जन को चिल्लाना पड़ता है, "बाएं मुड़ो!" या "ज़ूम इन करो!" यह लगातार चिल्लाना और सुधारना ऐसा है जैसे किसी को गणित का सवाल हल करते समय बार-बार कंधे पर थपथपाना; यह बहुत अधिक मानसिक ऊर्जा खर्च करता है, जिसे "कॉग्निटिव वर्कलोड" (संज्ञानात्मक भार) कहा जाता है। वैज्ञानिकों ने इस काम को करने के लिए कंप्यूटर बनाने की कोशिश की है, लेकिन वे एक दीवार से टकरा गए: कंप्यूटर को यह सिखाने के लिए कि उसे क्या देखना है, आपको आमतौर पर एक वीडियो के हर एक फ्रेम में महत्वपूर्ण स्थान के चारों ओर एक बॉक्स बनाना पड़ता है। लेकिन सर्जरी में, "महत्वपूर्ण स्थान" कोई स्थिर वस्तु नहीं है जैसे कि एक कार; यह एक लचीला, हिलता हुआ ऊतक (टिश्यू) है जो हर सेकंड अपना आकार बदलता रहता है। विशेषज्ञों को पता होता है कि कहाँ देखना है, लेकिन वे उन नियमों को समझा नहीं सकते जिनका उपयोग वे वहां पहुँचने के लिए करते हैं। यह एक मास्टर शेफ की तरह है जो सूप का स्वाद लेकर जान सकता है कि उसमें क्या कमी है, लेकिन वह रेसिपी लिख नहीं सकता।
यह शोध पत्र एक चतुर तरीका पेश करता है जिससे कंप्यूटर को बिना किसी लिखित रेसिपी के उस मास्टर शेफ की तरह काम करना सिखाया जा सकता है। हुआजोंग यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी और अन्यों की एक टीम के नेतृत्व में शोधकर्ताओं ने DiffeoAfford नामक एक प्रणाली विकसित की है। इंसानों से यह अनुमान लगाने के लिए कहने के बजाय कि क्रिया कहाँ होने वाली है, वे कंप्यूटर को सर्जरी खत्म होने के बाद देखने देते हैं। कंप्यूटर सर्जन के उपकरणों को देखता है और कहता है, "आह, सर्जन ने यहाँ इस विशिष्ट ऊतक को छुआ, फिर वहाँ गया। इसका मतलब है कि यह वह महत्वपूर्ण स्थान था।" "डिफ़ियोमोर्फिज्म" (diffeomorphism) नामक एक विशेष गणितीय तकनीक का उपयोग करके (जो एक रबर-शीट स्ट्रेचिंग मैप की तरह है जो ऊतक को असंभव तरीके से फटने या मुड़ने से रोकता है), यह प्रणाली सर्जन की क्रियाओं को समय में पीछे जाकर ट्रैक कर सकती है ताकि यह पता लगाया जा सके कि लचीले ऊतक के कौन से हिस्से लक्ष्य थे।
एक बार जब कंप्यूटर यह "एक्शन-बेस्ड" (क्रिया-आधारित) मानचित्र सीख लेता है, तो यह भविष्यवाणी कर सकता है कि सर्जन आगे कहाँ देखेगा, यहाँ तक कि सर्जन के हाथ हिलाने से पहले भी। उन्होंने AffordView नामक एक ऐप बनाया है जो इस भविष्यवाणी का उपयोग करके कैमरे को स्वचालित रूप से सही स्थान पर केंद्रित करता है। जब उन्होंने वास्तविक सर्जरी में इसका परीक्षण किया, तो परिणाम प्रभावशाली थे। सिस्टम ने केवल अनुमान नहीं लगाया; यह मानव कैमरा सहायक की तुलना में सर्जन की वास्तविक दृष्टि (गैज़) के साथ बेहतर तालमेल बिठा पाया। वास्तव में, कंप्यूटर अगली चाल का पूर्वानुमान लगाने में इतना अच्छा था कि उसने सर्जन के मानसिक तनाव को कम कर दिया। सर्जनों के मस्तिष्क की तरंगों (brain waves) से पता चला कि वे कम थके हुए थे, उनकी पुतलियाँ (जो तनाव या अत्यधिक ध्यान केंद्रित करने पर बड़ी हो जाती हैं) अधिक शांत रहीं, और उन्हें अपने सहायकों को कम मौखिक निर्देश देने पड़े। अध्ययन सुझाव देता है कि मैनुअल लेबल के बजाय सर्जन की अपनी क्रियाओं से सीखने की अनुमति देकर, हम एक "स्मार्ट कैमरा" बना सकते हैं जो एक आदर्श, मौन साथी की तरह कार्य करता है, जिससे सर्जन को कैमरे पर चिल्लाने के बजाय पूरी तरह से जीवन बचाने पर ध्यान केंद्रित करने देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।