| Online-Ressource |
Verfasst von: | Brandenburg, Johanna [VerfasserIn]  |
| Jenke, Alexander [VerfasserIn]  |
| Stern, Antonia [VerfasserIn]  |
| Schulze, André [VerfasserIn]  |
| Younis, Rayan [VerfasserIn]  |
| Petrynowski, Philipp [VerfasserIn]  |
| Davitashvili, Tornike [VerfasserIn]  |
| Vanat, Vincent [VerfasserIn]  |
| Bhasker, Nithya [VerfasserIn]  |
| Schneider, Sophia [VerfasserIn]  |
| Mündermann, Lars [VerfasserIn]  |
| Reinke, Annika [VerfasserIn]  |
| Kolbinger, Fiona [VerfasserIn]  |
| Jörns, Vanessa [VerfasserIn]  |
| Fritz-Kebede, Fleur [VerfasserIn]  |
| Dugas, Martin [VerfasserIn]  |
| Maier-Hein, Lena [VerfasserIn]  |
| Klotz, Rosa [VerfasserIn]  |
| Distler, Marius [VerfasserIn]  |
| Weitz, Jürgen [VerfasserIn]  |
| Müller, Beat P. [VerfasserIn]  |
| Speidel, Stefanie [VerfasserIn]  |
| Bodenstedt, Sebastian [VerfasserIn]  |
| Wagner, Martin [VerfasserIn]  |
Titel: | Active learning for extracting surgomic features in robot-assisted minimally invasive esophagectomy |
Titelzusatz: | a prospective annotation study |
Mitwirkende: | Daum, Marie T. J.  |
Verf.angabe: | Johanna M. Brandenburg, Alexander C. Jenke, Antonia Stern, Marie T.J. Daum, André Schulze, Rayan Younis, Philipp Petrynowski, Tornike Davitashvili, Vincent Vanat, Nithya Bhasker, Sophia Schneider, Lars Mündermann, Annika Reinke, Fiona R. Kolbinger, Vanessa Jörns, Fleur Fritz-Kebede, Martin Dugas, Lena Maier-Hein, Rosa Klotz, Marius Distler, Jürgen Weitz, Beat P. Müller-Stich, Stefanie Speidel, Sebastian Bodenstedt, Martin Wagner |
E-Jahr: | 2023 |
Jahr: | 14 October 2023 |
Umfang: | 17 S. |
Fussnoten: | Gesehen am 05.03.2024 |
Titel Quelle: | Enthalten in: Surgical endoscopy and other interventional techniques |
Ort Quelle: | New York, NY : Springer, 1987 |
Jahr Quelle: | 2023 |
Band/Heft Quelle: | 37(2023), 11, Seite 8577-8593 |
ISSN Quelle: | 1432-2218 |
Abstract: | With Surgomics, we aim for personalized prediction of the patient's surgical outcome using machine-learning (ML) on multimodal intraoperative data to extract surgomic features as surgical process characteristics. As high-quality annotations by medical experts are crucial, but still a bottleneck, we prospectively investigate active learning (AL) to reduce annotation effort and present automatic recognition of surgomic features. |
DOI: | doi:10.1007/s00464-023-10447-6 |
URL: | Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.
kostenfrei: Volltext: https://doi.org/10.1007/s00464-023-10447-6 |
| kostenfrei: Volltext: https://link.springer.com/article/10.1007/s00464-023-10447-6 |
| DOI: https://doi.org/10.1007/s00464-023-10447-6 |
Datenträger: | Online-Ressource |
Sprache: | eng |
Sach-SW: | Artificial intelligence |
| Machine learning |
| Minimally invasive surgery |
| Precision medicine |
| Surgical data science |
| Surgomics |
K10plus-PPN: | 1882520068 |
Verknüpfungen: | → Zeitschrift |
Active learning for extracting surgomic features in robot-assisted minimally invasive esophagectomy / Brandenburg, Johanna [VerfasserIn]; 14 October 2023 (Online-Ressource)