Relevant bibliographies by topics / Surgical workflow

Contents

  1. Journal articles
  2. Dissertations / Theses
  3. Books
  4. Book chapters
  5. Conference papers

Academic literature on the topic 'Surgical workflow'

Author: Grafiati
Published: 4 June 2021
Last updated: 8 June 2024

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Surgical workflow.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Journal articles on the topic "Surgical workflow"

1

Mobbs, Ralph J., Andrew Lennox, Prashanth J. Rao, Kevin Phan, and Wen Jie Choy. "Surgical workflow technique." ASVIDE 4 (June 2017): 265. http://dx.doi.org/10.21037/asvide.2017.265.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Tran, Dinh Tuan, Ryuhei Sakurai, Hirotake Yamazoe, and Joo-Ho Lee. "Phase Segmentation Methods for an Automatic Surgical Workflow Analysis." International Journal of Biomedical Imaging 2017 (2017): 1–17. http://dx.doi.org/10.1155/2017/1985796.

Full text
Abstract:
In this paper, we present robust methods for automatically segmenting phases in a specified surgical workflow by using latent Dirichlet allocation (LDA) and hidden Markov model (HMM) approaches. More specifically, our goal is to output an appropriate phase label for each given time point of a surgical workflow in an operating room. The fundamental idea behind our work lies in constructing an HMM based on observed values obtained via an LDA topic model covering optical flow motion features of general working contexts, including medical staff, equipment, and materials. We have an awareness of such working contexts by using multiple synchronized cameras to capture the surgical workflow. Further, we validate the robustness of our methods by conducting experiments involving up to 12 phases of surgical workflows with the average length of each surgical workflow being 12.8 minutes. The maximum average accuracy achieved after applying leave-one-out cross-validation was 84.4%, which we found to be a very promising result.
APA, Harvard, Vancouver, ISO, and other styles
3

Luo, Nana, Atsushi Nara, and Kiyoshi Izumi. "An Interaction-Based Bayesian Network Framework for Surgical Workflow Segmentation." International Journal of Environmental Research and Public Health 18, no. 12 (2021): 6401. http://dx.doi.org/10.3390/ijerph18126401.

Full text
Abstract:
Recognizing and segmenting surgical workflow is important for assessing surgical skills as well as hospital effectiveness, and plays a crucial role in maintaining and improving surgical and healthcare systems. Most evidence supporting this remains signal-, video-, and/or image-based. Furthermore, casual evidence of the interaction between surgical staff remains challenging to gather and is largely absent. Here, we collected the real-time movement data of the surgical staff during a neurosurgery to explore cooperation networks among different surgical roles, namely surgeon, assistant nurse, scrub nurse, and anesthetist, and to segment surgical workflows to further assess surgical effectiveness. We installed a zone position system (ZPS) in an operating room (OR) to effectively record high-frequency high-resolution movements of all surgical staff. Measuring individual interactions in a closed, small area is difficult, and surgical workflow classification has uncertainties associated with the surgical staff in terms of their varied training and operation skills, patients in terms of their initial states and biological differences, and surgical procedures in terms of their complexities. We proposed an interaction-based framework to recognize the surgical workflow and integrated a Bayesian network (BN) to solve the uncertainty issues. Our results suggest that the proposed BN method demonstrates good performance with a high accuracy of 70%. Furthermore, it semantically explains the interaction and cooperation among surgical staff.
APA, Harvard, Vancouver, ISO, and other styles
4

Sobczak, Barbara, and Piotr Majewski. "An Integrated Fully Digital Prosthetic Workflow for the Immediate Full-Arch Restoration of Edentulous Patients—A Case Report." International Journal of Environmental Research and Public Health 19, no. 7 (2022): 4126. http://dx.doi.org/10.3390/ijerph19074126.

Full text
Abstract:
Digital prosthetic workflows may significantly increase the efficiency and predictability of the immediate rehabilitation of implant-supported fixed complete dentures. Advanced digital prosthetic workflows require exact and detailed virtual planning models. The direct generation of these models via direct digital impressions remains technique sensitive and demanding. This report illustrates an advanced digital workflow for accurate and efficient immediate full-arch restoration, with an aesthetically and anatomically adapted natural tooth-like prosthesis. The workflow application to fully edentulous arches, and arches with residual failing dentition, is presented. A key characteristic was efficiently integrating and interlinking the prosthetic and surgical workflows via denture replica surgical guides as landmarks for scan registration. This approach allowed for accurate implant placement and efficient and detailed anatomy-based chairside prosthetic planning, and for the manufacturing of the provisional and final restorations under detailed consideration of implant restoration, and the patient’s macro-aesthetic and soft tissue anatomy.
APA, Harvard, Vancouver, ISO, and other styles
5

Liebmann, P., P. Wiedemann, J. Meixensberger, and T. Neumuth. "Surgical Workflow Management Schemata for Cataract Procedures." Methods of Information in Medicine 51, no. 05 (2012): 371–82. http://dx.doi.org/10.3414/me11-01-0093.

Full text
Abstract:
SummaryObjective: Workflow guidance of surgical activities is a challenging task. Because of variations in patient properties and applied surgical techniques, surgical processes have a high variability. The objective of this study was the design and implementation of a surgical workflow management system (SWFMS) that can provide a robust guidance for surgical activities. We investigated how many surgical process models are needed to develop a SWFMS that can guide cataract surgeries robustly.Methods: We used 100 cases of cataract surgeries and acquired patient-individual surgical process models (iSPMs) from them. Of these, randomized subsets iSPMs were selected as learning sets to create a generic surgical process model (gSPM). These gSPMs were mapped onto workflow nets as work-flow schemata to define the behavior of the SWFMS. Finally, 10 iSPMs from the disjoint set were simulated to validate the workflow schema for the surgical processes. The measurement was the successful guidance of an iSPM.Results: We demonstrated that a SWFMS with a workflow schema that was generated from a subset of 10 iSPMs is sufficient to guide approximately 65% of all surgical processes in the total set, and that a subset of 50 iSPMs is sufficient to guide approx. 80% of all processes.Conclusion: We designed a SWFMS that is able to guide surgical activities on a detailed level. The study demonstrated that the high inter-patient variability of surgical processes can be considered by our approach.
APA, Harvard, Vancouver, ISO, and other styles
6

Huaulmé, Arnaud, Duygu Sarikaya, Kévin Le Mut, et al. "MIcro-surgical anastomose workflow recognition challenge report." Computer Methods and Programs in Biomedicine 212 (November 2021): 106452. http://dx.doi.org/10.1016/j.cmpb.2021.106452.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Zaika, Oleksiy, Mel Boulton, Roy Eagleson, and Sandrine de Ribaupierre. "Surgical Workflow Analysis in Cerebral Aneurysm Coiling." FASEB Journal 34, S1 (2020): 1. http://dx.doi.org/10.1096/fasebj.2020.34.s1.08691.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Tseng, Chih-En, Chin-Lon Lin, Shi-Shie Huang, Kuan-Chung Lin, Shu-Mei Chang, and Sou-Hsin Chien. "Computer-aided Monitoring of Surgical Pathology Workflow." Tzu Chi Medical Journal 21, no. 2 (2009): 140–46. http://dx.doi.org/10.1016/s1016-3190(09)60026-4.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

Padoy, Nicolas, Tobias Blum, Seyed-Ahmad Ahmadi, Hubertus Feussner, Marie-Odile Berger, and Nassir Navab. "Statistical modeling and recognition of surgical workflow." Medical Image Analysis 16, no. 3 (2012): 632–41. http://dx.doi.org/10.1016/j.media.2010.10.001.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Silver, David S., Alan D. Kaye, Elyse M. Cornett, Charles Fox, and Douglas P. Slakey. "Disruptions in Surgical Workflow: Perceptions and Implications." Journal of the American College of Surgeons 225, no. 4 (2017): e108. http://dx.doi.org/10.1016/j.jamcollsurg.2017.07.816.

Full text
APA, Harvard, Vancouver, ISO, and other styles
More sources

Dissertations / Theses on the topic "Surgical workflow"

1

Padoy, Nicolas. "Workflow and Activity Modeling for Monitoring Surgical Procedures." Thesis, Nancy 1, 2010. http://www.theses.fr/2010NAN10025/document.

Full text
Abstract:
Le bloc opératoire est au coeur des soins délivrés dans l'hôpital. Suite à de nombreux développements techniques et médicaux, il devient équipé de salles opératoires hautement technologiques. Bien que ces changements soient bénéfiques pour le traitement des patients, ils accroissent la complexité du déroulement des opérations. Ils impliquent également la présence de nombreux systèmes électroniques fournissant de l'information sur les processus chirurgicaux. Ce travail s'intéresse au développement de méthodes statistiques permettant de modéliser le déroulement des processus chirurgicaux et d'en reconnaitre les étapes, en utilisant des signaux présents dans le bloc opératoire. Nous introduisons et formalisons le problème consistant à reconnaitre les phases réalisées au sein d'un processus chirurgical, en utilisant une représentation des chirurgies par une suite temporelle et multi-dimensionnelle de signaux synchronisés. Nous proposons ensuite des méthodes pour la modélisation, la segmentation hors-ligne et la reconnaissance en-ligne des phases chirurgicales. La méthode principale, une variante de modèle de Markov caché étendue par des variables de probabilités de phases, est démontrée sur deux applications médicales. La première concerne les interventions endoscopiques, la cholécystectomie étant prise en exemple. Les phases endoscopiques sont reconnues en utilisant des signaux indiquant l'utilisation des instruments et enregistrés lors de chirurgies réelles. La deuxième application concerne la reconnaissance des activités génériques d'une salle opératoire. Dans ce cas, la reconnaissance utilise de l'information 4D provenant d'un système de reconstruction multi-vues<br>The department of surgery is the core unit of the patient care system within a hospital. Due to continuous technical and medical developments, such departments are equipped with increasingly high-tech surgery rooms. This provides higher benefits for patient treatment, but also increases the complexity of the procedures' workflow. This also induces the presence of multiple electronic systems providing rich and various information about the surgical processes. The focus of this work is the development of statistical methods that permit the modeling and monitoring of surgical processes, based on signals available in the surgery room. We introduce and formalize the problem of recognizing phases within a workflow, using a representation of interventions in terms of multidimensional time-series formed by synchronized signals acquired over time. We then propose methods for the modeling, offline segmentation and on-line recognition of surgical phases. The main method, a variant of hidden Markov models augmented by phase probability variables, is demonstrated on two medical applications. The first one is the monitoring of endoscopic interventions, using cholecystectomy as illustrative surgery. Phases are recognized using signals indicating tool usage and recorded from real procedures. The second application is the monitoring of a generic surgery room workflow. In this case, phase recognition is performed by using 4D information from surgeries performed in a mock-up operating room in presence of a multi-view reconstruction system
APA, Harvard, Vancouver, ISO, and other styles
2

Padoy, Nicolas. "Workflow and Activity Modeling for Monitoring Surgical Procedures." Electronic Thesis or Diss., Nancy 1, 2010. http://www.theses.fr/2010NAN10025.

Full text
Abstract:
Le bloc opératoire est au coeur des soins délivrés dans l'hôpital. Suite à de nombreux développements techniques et médicaux, il devient équipé de salles opératoires hautement technologiques. Bien que ces changements soient bénéfiques pour le traitement des patients, ils accroissent la complexité du déroulement des opérations. Ils impliquent également la présence de nombreux systèmes électroniques fournissant de l'information sur les processus chirurgicaux. Ce travail s'intéresse au développement de méthodes statistiques permettant de modéliser le déroulement des processus chirurgicaux et d'en reconnaitre les étapes, en utilisant des signaux présents dans le bloc opératoire. Nous introduisons et formalisons le problème consistant à reconnaitre les phases réalisées au sein d'un processus chirurgical, en utilisant une représentation des chirurgies par une suite temporelle et multi-dimensionnelle de signaux synchronisés. Nous proposons ensuite des méthodes pour la modélisation, la segmentation hors-ligne et la reconnaissance en-ligne des phases chirurgicales. La méthode principale, une variante de modèle de Markov caché étendue par des variables de probabilités de phases, est démontrée sur deux applications médicales. La première concerne les interventions endoscopiques, la cholécystectomie étant prise en exemple. Les phases endoscopiques sont reconnues en utilisant des signaux indiquant l'utilisation des instruments et enregistrés lors de chirurgies réelles. La deuxième application concerne la reconnaissance des activités génériques d'une salle opératoire. Dans ce cas, la reconnaissance utilise de l'information 4D provenant d'un système de reconstruction multi-vues<br>The department of surgery is the core unit of the patient care system within a hospital. Due to continuous technical and medical developments, such departments are equipped with increasingly high-tech surgery rooms. This provides higher benefits for patient treatment, but also increases the complexity of the procedures' workflow. This also induces the presence of multiple electronic systems providing rich and various information about the surgical processes. The focus of this work is the development of statistical methods that permit the modeling and monitoring of surgical processes, based on signals available in the surgery room. We introduce and formalize the problem of recognizing phases within a workflow, using a representation of interventions in terms of multidimensional time-series formed by synchronized signals acquired over time. We then propose methods for the modeling, offline segmentation and on-line recognition of surgical phases. The main method, a variant of hidden Markov models augmented by phase probability variables, is demonstrated on two medical applications. The first one is the monitoring of endoscopic interventions, using cholecystectomy as illustrative surgery. Phases are recognized using signals indicating tool usage and recorded from real procedures. The second application is the monitoring of a generic surgery room workflow. In this case, phase recognition is performed by using 4D information from surgeries performed in a mock-up operating room in presence of a multi-view reconstruction system
APA, Harvard, Vancouver, ISO, and other styles
3

Dergachyova, Olga. "Knowledge-based support for surgical workflow analysis and recognition." Thesis, Rennes 1, 2017. http://www.theses.fr/2017REN1S059/document.

Full text
Abstract:
L'assistance informatique est devenue une partie indispensable pour la réalisation de procédures chirurgicales modernes. Le désir de créer une nouvelle génération de blocs opératoires intelligents a incité les chercheurs à explorer les problèmes de perception et de compréhension automatique de la situation chirurgicale. Dans ce contexte de prise de conscience de la situation, un domaine de recherche en plein essor adresse la reconnaissance automatique du flux chirurgical. De grands progrès ont été réalisés pour la reconnaissance des phases et des gestes chirurgicaux. Pourtant, il existe encore un vide entre ces deux niveaux de granularité dans la hiérarchie du processus chirurgical. Très peu de recherche se concentre sur les activités chirurgicales portant des informations sémantiques vitales pour la compréhension de la situation. Deux facteurs importants entravent la progression. Tout d'abord, la reconnaissance et la prédiction automatique des activités chirurgicales sont des tâches très difficiles en raison de la courte durée d'une activité, de leur grand nombre et d'un flux de travail très complexe et une large variabilité. Deuxièmement, une quantité très limitée de données cliniques ne fournit pas suffisamment d'informations pour un apprentissage réussi et une reconnaissance précise. À notre avis, avant de reconnaître les activités chirurgicales, une analyse soigneuse des éléments qui composent l'activité est nécessaire pour choisir les bons signaux et les capteurs qui faciliteront la reconnaissance. Nous avons utilisé une approche d'apprentissage profond pour évaluer l'impact de différents éléments sémantiques de l'activité sur sa reconnaissance. Grâce à une étude approfondie, nous avons déterminé un ensemble minimum d'éléments suffisants pour une reconnaissance précise. Les informations sur la structure anatomique et l'instrument chirurgical sont de première importance. Nous avons également abordé le problème de la carence en matière de données en proposant des méthodes de transfert de connaissances à partir d'autres domaines ou chirurgies. Les méthodes de ''word embedding'' et d'apprentissage par transfert ont été proposées. Ils ont démontré leur efficacité sur la tâche de prédiction d'activité suivante offrant une augmentation de précision de 22%. De plus, des observations pertinentes<br>Computer assistance became indispensable part of modern surgical procedures. Desire of creating new generation of intelligent operating rooms incited researchers to explore problems of automatic perception and understanding of surgical situations. Situation awareness includes automatic recognition of surgical workflow. A great progress was achieved in recognition of surgical phases and gestures. Yet, there is still a blank between these two granularity levels in the hierarchy of surgical process. Very few research is focused on surgical activities carrying important semantic information vital for situation understanding. Two important factors impede the progress. First, automatic recognition and prediction of surgical activities is a highly challenging task due to short duration of activities, their great number and a very complex workflow with multitude of possible execution and sequencing ways. Secondly, very limited amount of clinical data provides not enough information for successful learning and accurate recognition. In our opinion, before recognizing surgical activities a careful analysis of elements that compose activity is necessary in order to chose right signals and sensors that will facilitate recognition. We used a deep learning approach to assess the impact of different semantic elements of activity on its recognition. Through an in-depth study we determined a minimal set of elements sufficient for an accurate recognition. Information about operated anatomical structure and surgical instrument was shown to be the most important. We also addressed the problem of data deficiency proposing methods for transfer of knowledge from other domains or surgeries. The methods of word embedding and transfer learning were proposed. They demonstrated their effectiveness on the task of next activity prediction offering 22% increase in accuracy. In addition, pertinent observations about the surgical practice were made during the study. In this work, we also addressed the problem of insufficient and improper validation of recognition methods. We proposed new validation metrics and approaches for assessing the performance that connect methods to targeted applications and better characterize capacities of the method. The work described in this these aims at clearing obstacles blocking the progress of the domain and proposes a new perspective on the problem of surgical workflow recognition
APA, Harvard, Vancouver, ISO, and other styles
4

Beyl, Tim [Verfasser]. "Workflow-based Context-aware Control of Surgical Robots / Tim Beyl." München : Verlag Dr. Hut, 2016. http://d-nb.info/1084385694/34.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Beyl, Tim [Verfasser], and H. [Akademischer Betreuer] Wörn. "Workflow-based Context-aware Control of Surgical Robots / Tim Beyl. Betreuer: H. Wörn." Karlsruhe : KIT-Bibliothek, 2015. http://d-nb.info/1081722207/34.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Twinanda, Andru Putra. "Vision-based approaches for surgical activity recognition using laparoscopic and RBGD videos." Thesis, Strasbourg, 2017. http://www.theses.fr/2017STRAD005/document.

Full text
Abstract:
Cette thèse a pour objectif la conception de méthodes pour la reconnaissance automatique des activités chirurgicales. Cette reconnaissance est un élément clé pour le développement de systèmes réactifs au contexte clinique et pour des applications comme l’assistance automatique lors de chirurgies complexes. Nous abordons ce problème en utilisant des méthodes de Vision puisque l’utilisation de caméras permet de percevoir l’environnement sans perturber la chirurgie. Deux types de vidéos sont utilisées : des vidéos laparoscopiques et des vidéos multi-vues RGBD. Nous avons d’abord étudié les résultats obtenus avec les méthodes de l’état de l’art, puis nous avons proposé des nouvelles approches basées sur le « Deep learning ». Nous avons aussi généré de larges jeux de données constitués d’enregistrements de chirurgies. Les résultats montrent que nos méthodes permettent d’obtenir des meilleures performances pour la reconnaissance automatique d’activités chirurgicales que l’état de l’art<br>The main objective of this thesis is to address the problem of activity recognition in the operating room (OR). Activity recognition is an essential component in the development of context-aware systems, which will allow various applications, such as automated assistance during difficult procedures. Here, we focus on vision-based approaches since cameras are a common source of information to observe the OR without disrupting the surgical workflow. Specifically, we propose to use two complementary video types: laparoscopic and OR-scene RGBD videos. We investigate how state-of-the-art computer vision approaches perform on these videos and propose novel approaches, consisting of deep learning approaches, to carry out the tasks. To evaluate our proposed approaches, we generate large datasets of recordings of real surgeries. The results demonstrate that the proposed approaches outperform the state-of-the-art methods in performing surgical activity recognition on these new datasets
APA, Harvard, Vancouver, ISO, and other styles
7

Joerger, Guillaume. "Multiscale modeling and event tracking wireless technologies to improve efficiency and safety of the surgical flow in an OR suite." Thesis, La Rochelle, 2017. http://www.theses.fr/2017LAROS009/document.

Full text
Abstract:
Améliorer la gestion et l’organisation des blocs opératoires est une tâche critique dans les hôpitaux modernes, principalement à cause de la diversité et l’urgence des activités impliquées. Contrairement à l’aviation civile, qui a su optimiser organisation et sécurité, le management de bloc opératoire est plus délicat. Le travail ici présenté abouti au développement et à l’installation de nouvelles technologies assistées par ordinateur résolvant les problèmes quotidiens des blocs opératoires. La plupart des systèmes existants modélisent le flux chirurgical et sont utilisés seulement pour planifier. Ils sont basés sur des procédés stochastiques, n’ayant pas accès à des données sûres. Nous proposons une structure utilisant un modèle multi-agent qui comprend tous les éléments indispensables à une gestion efficace et au maintien de la sécurité dans les blocs opératoires, allant des compétences communicationnelles du staff, au temps nécessaire à la mise en place du service de nettoyage. Nous pensons que la multiplicité des ressources humaines engagées dans cette structure cause des difficultés dans les blocs opératoires et doit être prise en compte dans le modèle. En parallèle, nous avons construit un modèle mathématique de flux d’air entre les blocs opératoires pour suivre et simuler la qualité de l’environnement de travail. Trois points sont nécessaires pour la construction et le bon fonctionnement d’un ensemble de bloc opératoire : 1) avoir accès au statut du système en temps réel grâce au placement de capteurs 2) la construction de modèles multi-échelles qui lient tous les éléments impliqués et leurs infrastructures 3) une analyse minutieuse de la population de patients, du comportement des employés et des conditions environnementales. Nous avons développé un système robuste et invisible qui permet le suivi et la détection automatique d’événements dans les blocs. Avec ce système nous pouvons suivre l’activité à la porte d’entrée des blocs, puis l’avancement en temps réel de la chirurgie et enfin l’état général du bloc. Un modèle de simulation numérique de mécanique des fluides de plusieurs blocs opératoires est utilisé pour suivre la dispersion de fumée chirurgicale toxique, ainsi qu’un modèle multi-domaine qui évalue les risques de propagation de maladie nosocomiale entre les blocs. La combinaison de ces trois aspects amène une nouvelle dimension de sensibilisation à l’environnent des blocs opératoires et donne au staff un système cyber-physique capable de prédire des événements rares impactant la qualité, l’efficacité, la rentabilité et la sécurité dans l’hôpital<br>Improving operating room management is a constant issue for modern large hospital systems who have to deal with the reality of day to day clinical activity. As opposed to other industrial sectors such as air civil aviation that have mastered the topic of industry organization and safety, progress in surgical flow management has been slower. The goal of the work presented here is to develop and implement technologies that leverage the principles of computational science to the application of OR suite problems. Most of the currently available models of surgical flow are used for planning purposes and are essentially stochastic processes due to uncertainties in the available data. We propose an agent-based model framework that can incorporate all the elements, from communication skills of the staff to the time it takes for the janitorial team to go clean an OR. We believe that human factor is at the center of the difficulty of OR suite management and should be incorporated in the model. In parallel, we use a numerical model of airflow at the OR suite level to monitor and simulate environment conditions inside the OR. We hypothesize that the following three key ingredients will provide the level of accuracy needed to improve OR management : 1) Real time updates of the model with ad hoc sensors of tasks/stages 2) Construction of a multi-scale model that links all key elements of the complex surgical infrastructure 3) Careful analysis of patient population factors, staff behavior, and environment conditions. We have developed a robust and non-obtrusive automatic event tracking system to make our model realistic to clinical conditions. Not only we track traffic through the door and the air quality inside the OR, we can also detect standard events in the surgical process. We propose a computational fluid dynamics model of a part of an OR suite to track dispersion of toxic surgical smoke and build in parallel a multidomain model of potential nosocomial contaminant particles flow in an OR suite. Combining the three models will raise the awareness of the OR suite by bringing to the surgical staff a cyber-physical system capable of prediction of rare events in the workflow and the safety conditions
APA, Harvard, Vancouver, ISO, and other styles
8

Schumann, Sandra. "Evolution von Distanzmaßen für chirurgische Prozesse." Doctoral thesis, Universitätsbibliothek Leipzig, 2014. http://nbn-resolving.de/urn:nbn:de:bsz:15-qucosa-143096.

Full text
Abstract:
Der Operationssaal ist ein hochkomplexes System mit dem Ziel patientenindividuelle Therapien zum Erfolg zu führen. Schwerpunkt dieser Arbeit ist der Arbeitsablauf des Chirurgen. Ein chirurgischer Prozess beinhaltet die durchgeführten Arbeitsschritte des Operateurs während eines Eingriffffs. Der protokollierte chirurgische Prozess ist Ausgangspunkt der Untersuchungen. Es wurde eine Methodik entwickelt, die mit statistischen und standardisierten Verfahren Unterschiede zwischen dem Ablauf verschiedener chirurgischer Prozesse messen kann. Dazu wurden die vier Distanzmaße Jaccard, Levenshtein, Adjazenz und Graphmatching auf chirurgische Prozesse angewandt. Eine Evaluation anhand von Daten einer Trainingsstudie zur Untersuchung laparoskopischer Instrumente in der minimalinvasiven Chirurgie bildet die Grundlage zur Bestimmung von Levenshteindistanz und Adjazenzdistanz als die Maße, die optimal geeignet sind Unterschiede zwischen chirurgen Prozessen zu messen. Die Retrospektivität der Distanzanalyse wird aufgehoben indem folgende Hypothese untersucht wird: Es gibt einen Zusammenhang zwischen der Distanz zur Laufzeit eines chirurgischen Eingriffs mit der Distanz nach kompletten Ablauf des Eingriffs. Die Hypothese konnte bestätigt werden. Der Zusammenhang zwischen Prozessablauf und Qualität des Prozessergebnisses wird mit folgender Hypothese untersucht: Je größer die Distanz eines chirurgischen Prozesses zum Best Practice, desto schlechter ist das Prozessergebnis. In der Chirurgie ist der Best Practice der chirurgische Prozess, der als die beste Prozedur angesehen wird, um das angestrebte Therapieziel zu erreichen. Auch diese Hypothese konnte bestätigt werden. Die Anwendung der Distanzmaße in der klinischen Praxis erfolgte beispielhaft an Eingriffffen aus der Neurochirurgie (zervikale Diskektomie) und der HNO (Neck Dissection). Insgesamt wurde mit der in dieser Arbeit dargelegten grundlegenden Methodik der Distanzmaße bei der Analyse chirurgischer Prozesse ein Grundstein für vielfältige weitere Untersuchungen gelegt.
APA, Harvard, Vancouver, ISO, and other styles
9

Lecuyer, Gurvan. "Analyse automatique et assistance à l'annotation des processus chirurgicaux basées Deep Learning." Thesis, Rennes 1, 2020. http://www.theses.fr/2020REN1S061.

Full text
Abstract:
La salle d’opération a profité de nombreuses avancées technologiques majeures touchant jusqu’aux pratiques médicales comme dans le cas des chirurgies minimalement invasives. Les nombreux appareils médicaux rendent les interventions plus précises. Cependant, de nombreux challenges restent cependant sans réponse technique. En 2004, un groupe de travail nommé « OR2020 » s’est réuni pour identifier ces challenges et imaginer la salle d’opération du futur intelligente et connectée. Les réseaux de neurones artificiels sont au cœur du développement des systèmes intelligents, ils requièrent des milliers de données annotées pour être entraînés. L’annotation est une tâche fastidieuse qui peut être compliquée comme dans le cas des données médicales où les connaissances nécessaires requièrent l’intervention de médecins. Dans cette thèse, nous avons mené des travaux pour analyser et identifier les erreurs de prédictions faites par des réseaux de neurones sur la tâche de reconnaissance de processus chirurgicaux. Nous avons proposé une catégorisation de ces erreurs de prédiction permettant de couvrir 100 % des cas rencontrés. En se basant sur cette analyse, nous avons développé deux méthodes de détection automatique des erreurs de prédiction pour la tâche de reconnaissance des processus chirurgicaux. Ces méthodes ont été utilisées pour pré-annoter les vidéos chirurgicales et ont été intégrées dans un logiciel d’annotation de processus chirurgicaux. Deux tests utilisateurs ont été conduits et ont montrés une accélération de l’annotation de l’ordre de dix minutes et d’une amélioration de la précision des annotations de 1% pour les phases et de 7% pour les étapes<br>The operating room benefited from many technological breakthroughs changing medical practice like for minimally invasive surgery or robot assisted surgery. The various medical devices allow to perform more accurate interventions. However, many challenges remain unexplored. In 2004, a workshop named “OR2020” was led to identify these challenges and to imagine the future operating room, smart and connected. Neural networks are the heart of intelligent systems, they require thousands of annotated data to be train. Annotation is a tedious task which might be complicated. In the case of medical data, the annotation process required a very specific knowledge provided by surgeons. In this thesis, we conducted studies to analysis and to identify prediction errors made by neural networks on the surgical workflow recognition problem. We proposed a categorization of those mistakes which covered 100% of error cases. Based on this analysis, we developed two methods to detect automatically prediction errors on the task of surgical workflow recognition. Those methods were used to pre-annotate surgical videos and have been implemented in an annotation software. Two user studies were conducted and showed the system fastened the annotation process by ten minutes and allowed to increase the annotation accuracy by 1% for the phases and by 7% for the steps
APA, Harvard, Vancouver, ISO, and other styles
10

Lalys, Florent. "Automatic recognition of low-level and high-level surgical tasks in the operating room from video images." Phd thesis, Rennes 1, 2012. https://ecm.univ-rennes1.fr/nuxeo/site/esupversions/2186a1f7-f586-43c5-b037-6585b5c22aef.

Full text
Abstract:
La besoin d’une meilleure intégration des nouveaux systèmes de chirurgie assisté par ordinateur dans les salles d’opération à récemment été souligné. Une nécessité pour atteindre cet objectif est de récupérer des données dans les salles d’opérations avec différents capteurs, puis de à partir de ces données de créer des modèles de processus chirurgicaux. Récemment, l'utilisation de vidéos dans la salle d'opération a démontré son efficacité pour aider à la création de système de CAO sensible au contexte. Le but de cette thèse était de présenter une nouvelle méthode pour la détection automatique de tâches haut niveaux (i. E. Phases chirurgicales) et bas-niveaux (i. E. Activités chirurgicales) à partir des vidéos des microscopes uniquement. La première étape a consisté à reconnaitre automatiquement les phases chirurgicales. L'idée fut de combiner des techniques récentes de vision par ordinateur avec une analyse temporelle. Des classifieurs furent tout d’abord mis en œuvre pour extraire des attributs visuels et ainsi caractériser chaque image, puis des algorithmes de classification de séries temporelles furent utilisés pour reconnaitre les phases. La deuxième étape a consisté à reconnaitre les activités chirurgicales. Des informations concernant des outils chirurgicaux et des structures anatomiques furent détectées et combinées avec l'information de la phase précédemment obtenu au sein d’un système de reconnaissance intelligent. Après des validations croisées sur des vidéos de neurochirurgie et de chirurgie de l’œil, nous avons obtenu des taux de reconnaissance de l'ordre de 94% pour la reconnaissance des phases et 64% pour la reconnaissance des activités. Ces systèmes de reconnaissance pourraient être utiles pour générer automatiquement des rapports post-opératoires, pour l'enseignement, l’apprentissage, mais aussi pour les futurs systèmes sensibles au contexte<br>The need for a better integration of new Computer-Assisted-Surgical systems in the Operating Room (OR) has been recently emphasized. One necessity to achieve this objective is to retrieve data from the OR with different sensors, then to derive models from these data for creating Surgical Process Models (SPMs). Recently, the use of videos from cameras in the OR has demonstrated its efficiency for advancing the creation of situation-aware CAS systems. The purpose of this thesis was to present a new method for the automatic detection of high-level (i. E. Surgical phases) and low-level surgical tasks (i. E. Surgical activities) from microscope video images only. The first step consisted in the detection of high-level surgical tasks. The idea was to combine state-of-the-art computer vision techniques with time series analysis. Image-based classifiers were implemented for extracting visual cues, therefore characterizing each frame of the video, and time-series algorithms were then applied to model time-varying data. The second step consisted in the detection of low-level surgical tasks. Information concerning surgical tools and anatomical structures were detected through an image-based approach and combined with the information of the current phase within a knowledge-based recognition system. Validated on neurosurgical and eye procedures, we obtained recognition rates of around 94% for the recognition of high-level tasks and 64% for low-level tasks. These recognition frameworks might be helpful for automatic post-operative report generation, learning/teaching purposes, and for future context-aware surgical systems
APA, Harvard, Vancouver, ISO, and other styles
More sources

Books on the topic "Surgical workflow"

1

Quick Hits: 10 Key Surgical Strike Actions to Improve Business Process Performance. AMACOM/American Management Association, 2003.

Find full text
APA, Harvard, Vancouver, ISO, and other styles

Book chapters on the topic "Surgical workflow"

1

Yuan, Kun, Matthew Holden, Shijian Gao, and Won-Sook Lee. "Surgical Workflow Anticipation Using Instrument Interaction." In Medical Image Computing and Computer Assisted Intervention – MICCAI 2021. Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-87202-1_59.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Ahmadi, Seyed-Ahmad, Tobias Sielhorst, Ralf Stauder, Martin Horn, Hubertus Feussner, and Nassir Navab. "Recovery of Surgical Workflow Without Explicit Models." In Medical Image Computing and Computer-Assisted Intervention – MICCAI 2006. Springer Berlin Heidelberg, 2006. http://dx.doi.org/10.1007/11866565_52.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Ewurum, Chidozie H., Yingying Guo, Seang Pagnha, Zhao Feng, and Xiongbiao Luo. "Surgical Navigation in Orthopedics: Workflow and System Review." In Advances in Experimental Medicine and Biology. Springer Singapore, 2018. http://dx.doi.org/10.1007/978-981-13-1396-7_4.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Padoy, N., T. Blum, I. Essa, Hubertus Feussner, M. O. Berger, and Nassir Navab. "A Boosted Segmentation Method for Surgical Workflow Analysis." In Medical Image Computing and Computer-Assisted Intervention – MICCAI 2007. Springer Berlin Heidelberg, 2007. http://dx.doi.org/10.1007/978-3-540-75757-3_13.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Nara, Atsushi, Kiyoshi Izumi, Hiroshi Iseki, Takashi Suzuki, Kyojiro Nambu, and Yasuo Sakurai. "Surgical Workflow Monitoring Based on Trajectory Data Mining." In New Frontiers in Artificial Intelligence. Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-25655-4_27.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Giannarou, Stamatia, and Guang-Zhong Yang. "Content-Based Surgical Workflow Representation Using Probabilistic Motion Modeling." In Lecture Notes in Computer Science. Springer Berlin Heidelberg, 2010. http://dx.doi.org/10.1007/978-3-642-15699-1_33.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Blum, Tobias, Hubertus Feußner, and Nassir Navab. "Modeling and Segmentation of Surgical Workflow from Laparoscopic Video." In Medical Image Computing and Computer-Assisted Intervention – MICCAI 2010. Springer Berlin Heidelberg, 2010. http://dx.doi.org/10.1007/978-3-642-15711-0_50.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Stauder, Ralf, Aslı Okur, Loïc Peter, et al. "Random Forests for Phase Detection in Surgical Workflow Analysis." In Information Processing in Computer-Assisted Interventions. Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-07521-1_16.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

Czempiel, Tobias, Aidean Sharghi, Magdalini Paschali, Nassir Navab, and Omid Mohareri. "Surgical Workflow Recognition: From Analysis of Challenges to Architectural Study." In Lecture Notes in Computer Science. Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-25066-8_32.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Dubois, Leander, Juliana F. Sabelis, Jesper Jansen, Thomas J. J. Maal, and Ruud Schreurs. "Surgical Treatment of Solitary Orbital Wall Fractures." In Surgery in and around the Orbit. Springer International Publishing, 2023. http://dx.doi.org/10.1007/978-3-031-40697-3_10.

Full text
Abstract:
AbstractThis chapter focuses on the preparation, execution, and evaluation of orbital reconstruction, once the indication for surgery has been established. A logical order in the surgical decision-making process is created with the help of a step-wise approach, starting with timing and biomaterials considerations. The virtual treatment planning is described and how it affects the choice for a preformed or patient-specific implants. A detailed explanation of the transconjunctival approach is provided, and the role of key anatomical landmarks in the dissection and reconstruction is reviewed. The rationale behind and indications for surgical navigation and intra-operative imaging are discussed. A clinical example is provided to demonstrate the potential of the advanced workflow discussed in this chapter.
APA, Harvard, Vancouver, ISO, and other styles

Conference papers on the topic "Surgical workflow"

1

Neumuth, Thomas, Svetlana Mansmann, Marc H. Scholl, and Oliver Burgert. "Data Warehousing Technology for Surgical Workflow Analysis." In 2008 21st International Symposium on Computer-Based Medical Systems (CBMS). IEEE, 2008. http://dx.doi.org/10.1109/cbms.2008.41.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Guo, Bing, Heinz Lemke, Brent Liu, H. K. Huang, and Edward G. Grant. "An ultrasound image-guided surgical workflow model." In Medical Imaging, edited by Steven C. Horii and Osman M. Ratib. SPIE, 2006. http://dx.doi.org/10.1117/12.653558.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Nagy, Denes A., Imre J. Rudas, and Tamas Haidegger. "OntoFlow, a software tool for surgical workflow recording." In 2018 IEEE 16th World Symposium on Applied Machine Intelligence and Informatics (SAMI). IEEE, 2018. http://dx.doi.org/10.1109/sami.2018.8323998.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Jianhua Qi. "A Surgical Management Information System Driven by Workflow." In 2006 IEEE International Conference on Service Operations and Logistics, and Informatics. IEEE, 2006. http://dx.doi.org/10.1109/soli.2006.236432.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Qi, Jianhua, Zhibin Jiang, Guotong Zhang, Rui Miao, and Qiang Su. "A Surgical Management Information System Driven by Workflow." In 2006 IEEE International Conference on Service Operations and Logistics, and Informatics. IEEE, 2006. http://dx.doi.org/10.1109/soli.2006.328890.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Zhang, Xiatian, Noura Al Moubayed, and Hubert P. H. Shum. "Towards Graph Representation Learning Based Surgical Workflow Anticipation." In 2022 IEEE-EMBS International Conference on Biomedical and Health Informatics (BHI). IEEE, 2022. http://dx.doi.org/10.1109/bhi56158.2022.9926801.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Kurian, Elizebeth, Jubilant J. Kizhakethottam, and Justin Mathew. "Deep learning based Surgical Workflow Recognition from Laparoscopic Videos." In 2020 5th International Conference on Communication and Electronics Systems (ICCES). IEEE, 2020. http://dx.doi.org/10.1109/icces48766.2020.9137855.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Ding, Yuan, Jingfan Fan, Kun Pang, et al. "Surgical Workflow Recognition Using Two-Stream Mixed Convolution Network." In 2020 3rd International Conference on Advanced Electronic Materials, Computers and Software Engineering (AEMCSE). IEEE, 2020. http://dx.doi.org/10.1109/aemcse50948.2020.00064.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

Chen, Yuwen, Kunhua Zhong, Fei Wang, Hongqian Wang, and Xueliang Zhao. "Surgical workflow image generation based on generative adversarial networks." In 2018 International Conference on Artificial Intelligence and Big Data (ICAIBD). IEEE, 2018. http://dx.doi.org/10.1109/icaibd.2018.8396171.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Nakawala, Hirenkumar, Elena De Momi, Laura Erica Pescatori, Anna Morelli, and Giancarlo Ferrigno. "Inductive Learning of the Surgical Workflow Model through Video Annotations." In 2017 IEEE 30th International Symposium on Computer-Based Medical Systems (CBMS). IEEE, 2017. http://dx.doi.org/10.1109/cbms.2017.91.

Full text
APA, Harvard, Vancouver, ISO, and other styles
You might also be interested in the extended bibliographies on the topic 'Surgical workflow' for particular source types:
Journal articles Dissertations / Theses
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!

To the bibliography