Regensburg Center of Health Sciences and Technology - RCHST
Refine
Document Type
- Preprint (5) (remove)
Is part of the Bibliography
- no (5)
Keywords
- Akzeptanz (1)
- COVID-19 (1)
- Deep Learning (1)
- Impfbereitschaft (1)
- Nebenwirkungen (1)
- Rehabilitation (1)
- Risikogruppe (1)
- Schlaganfall (1)
- Segmentation (1)
- Teleth Roboter (1)
Institute
- Regensburg Center of Health Sciences and Technology - RCHST (5)
- Fakultät Informatik und Mathematik (4)
- Fakultät Angewandte Sozial- und Gesundheitswissenschaften (3)
- Institut für Sozialforschung und Technikfolgenabschätzung (IST) (3)
- Labor Empirische Sozialforschung (3)
- Labor für Technikfolgenabschätzung und Angewandte Ethik (LaTe) (2)
- Regensburg Medical Image Computing (ReMIC) (2)
Real-time computational speed and a high degree of precision are requirements for computer-assisted interventions. Applying a segmentation network to a medical video processing task can introduce significant inter-frame prediction noise. Existing approaches can reduce inconsistencies by including temporal information but often impose requirements on the architecture or dataset. This paper proposes a method to include temporal information in any segmentation model and, thus, a technique to improve video segmentation performance without alterations during training or additional labeling. With Motion-Corrected Moving Average, we refine the exponential moving average between the current and previous predictions. Using optical flow to estimate the movement between consecutive frames, we can shift the prior term in the moving-average calculation to align with the geometry of the current frame. The optical flow calculation does not require the output of the model and can therefore be performed in parallel, leading to no significant runtime penalty for our approach. We evaluate our approach on two publicly available segmentation datasets and two proprietary endoscopic datasets and show improvements over a baseline approach.
In the field of computer- and robot-assisted minimally invasive surgery, enormous progress has been made in recent years based on the recognition of surgical instruments in endoscopic images. Especially the determination of the position and type of the instruments is of great interest here. Current work involves both spatial and temporal information with the idea, that the prediction of movement of surgical tools over time may improve the quality of final segmentations. The provision of publicly available datasets has recently encouraged the development of new methods, mainly based on deep learning. In this review, we identify datasets used for method development and evaluation, as well as quantify their frequency of use in the literature. We further present an overview of the current state of research regarding the segmentation and tracking of minimally invasive surgical instruments in endoscopic images. The paper focuses on methods that work purely visually without attached markers of any kind on the instruments, taking into account both single-frame segmentation approaches as well as those involving temporal information. A discussion of the reviewed literature is provided, highlighting existing shortcomings and emphasizing available potential for future developments. The publications considered were identified through the platforms Google Scholar, Web of Science, and PubMed. The search terms used were "instrument segmentation", "instrument tracking", "surgical tool segmentation", and "surgical tool tracking" and result in 408 articles published between 2015 and 2022 from which 109 were included using systematic selection criteria.
Der Beitrag untersucht die Nutzung altersgerechter Assistenz-systeme und insbesondere Roboter. Die Studie basiert auf einem Scoping Review, das einen Überblick über aktuelle Forschungsergebnisse zum Einsatz von Robotern in der Pflege gibt, sowie auf Ergebnissen einer qualitativen und quantitativen Studie. In die-ser Untersuchung zeigen sich einige Diffusionshemmnisse, aber auch Chancen für den Einsatz, die anhand eines Fallbeispiels zum Einsatz von Telepräsenzrobotern zu Pflege und Therapie diskutiert werden.
Hintergrund
In Deutschland liegen unterschiedliche Befunde zur Akzeptanz von Schutzimpfungen gegen COVID-19 vor. Die Impfbereitschaft schwankt je nach Stichprobe, Messung und Erhebungszeitraum.
Ziel der Arbeit (Fragestellung)
Ziel der Studie ist die Untersuchung der Impfbereitschaft mit einem COVID-19-Vakzin an einer Zufallsstichprobe der Gesamtbevölkerung. Der Schwerpunkt der Studie liegt in der Beschreibung des Zusammenhangs zwischen Impfbereitschaft, wahrgenommenen Risiken einer Erkrankung, den subjektiven Überzeugungen zu Nebenwirkungen und dem Vertrauen in Institutionen sowie dem Einfluss sozialer Bezugsgruppen.
Material und Methoden
Die Studie basiert auf einer telefonischen Ein-Themen-Bevölkerungsbefragung zur Impfbereitschaft (n=2.014) vor der Zulassung eines COVID-19-Vakzins in Deutschland im November/Dezember 2020.
Ergebnisse
Die Impfbereitschaft liegt bei etwa 67 % und steigt mit dem Anteil der impfbereiten Freunde und Bekannten und dem Vertrauen gegenüber dem Robert-Koch-Institut, bei Zugehörigkeit zu einer Risikogruppe und der Erwartung gefährlicher Konsequenzen bei einer Erkrankung oder Unklarheit darüber. Erfahrungen mit einer Infektion bei den Befragten oder in ihrer sozialen Bezugsgruppe erhöhen die Impfbereitschaft. Eine Überschätzung der Wahrscheinlichkeit ernsthafter Nebenwirkungen bei Grippeimpfungen senkt die Impfbereitschaft gegen COVID-19. Auffällig ist der Befund einer erheblichen Überschätzung der Häufigkeit von ernsthaften Impfnebenwirkungen.
Diskussion
Die Überschätzung der Häufigkeit ernsthafter Nebenwirkungen bei Impfungen weist erstens auf ein Informationsdefizit, zweitens auf weit verbreitete Fehlinformationen und drittens auf kognitive Probleme bei der Interpretation relativer Häufigkeiten hin. Es werden Implikationen für eine Informationskampagne abgeleitet.