Situation Interpretation for Knowledge- and Model Based Laparoscopic Surgery
Abstract (englisch):
To manage the influx of information into surgical practice, new man-machine interaction methods are necessary to prevent information overflow. This work presents an approach to automatically segment surgeries into phases and select the most appropriate pieces of information for the current situation. This way, assistance systems can adopt themselves to the needs of the surgeon and not the other way around.
| Zugehörige Institution(en) am KIT | Institut für Anthropomatik und Robotik (IAR) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2016 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-7315-0527-3 urn:nbn:de:0072-546098 KITopen-ID: 1000054609 |
| Verlag | KIT Scientific Publishing |
| Umfang | XV, 148 S. |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Informatik (INFORMATIK) |
| Institut | Institut für Anthropomatik und Robotik (IAR) |
| Prüfungsdaten | 11.12.2015 |
| Schlagwörter | Maschinelles Lernen, Ontologie, Assistenz, Chirurgie, Erweiterte Realität, Machine Learning, Ontology, Assistance, Surgery, Augmented Reality |
| Referent/Betreuer | Dillmann, Rüdiger |