Note ABES Multi-level surgical activity recognition Reconnaissance multi-niveaux de l'activité chirurgicale Reconnaissance d'activité chirurgicale Bypass gastrique Reconnaissance de phases et d'étapes Apprentissage faiblement supervisé Augmentation vidéo temporelle Ensemble de données multicentriques Surgical activity recognition Gastric bypass Phase and step recognition Weakly supervised learning Temporal video augmentation Multi-centric dataset 006.3 Reconnaissance de l'activité humaine (informatique) Chirurgie Court-circuit gastrique Les innovations en matière de chirurgie mini-invasive ont amélioré les résultats pour les patients, mais ont accru la complexité des flux de travail chirurgicaux. L’optimisation du flux de travail en reconnaissant les activités chirurgicales est essentielle pour fournir une assistance contextuelle. Des recherches importantes ont été effectuées sur la reconnaissance des activités à granularité grossière (phases). Les méthodes de reconnaissance détaillée des activités sont essentielles pour mieux modéliser les flux de travail et faire progresser les capacités des systèmes contextuels. Cette thèse vise à développer des méthodes de reconnaissance d'activité multi-niveaux (phase et étape) à partir de vidéos de bypass gastrique laparoscopique Roux-en-Y (LRYGB). Tout d’abord, nous introduisons un vaste ensemble de données entièrement annoté avec des phases et des étapes et ciblons la reconnaissance conjointe. Ensuite, nous proposons une méthode d'apprentissage faiblement supervisé utilisant les phases comme signaux faibles pour la reconnaissance des pas. Par la suite, nous étudions l'augmentation des données pour un entraînement optimal de ces modèles, en concluant par une étude de généralisation sur un grand ensemble de données multicentriques. Innovations in Minimally Invasive Surgery have improved patient outcomes but have increased the complexity of surgical workflows. Optimizing workflow by recognizing surgical activities is essential to provide context-aware assistance. Significant research has been done on recognizing coarse-grained activities (phases). Methods for detailed activity recognition are essential to better model workflows and advance the capabilities of Context-Aware Systems. This thesis aims to develop multi-level (phase and step) activity recognition methods from Laparoscopic Roux-en-Y Gastric Bypass (LRYGB) videos. First, we introduce a large dataset fully annotated with phases and steps and target joint recognition. Next, we propose a weakly supervised learning method using phases as weak signals for step recognition. Subsequently, we investigate data augmentation for optimal training of these models concluding with a generalization study on a large multi-centric dataset. Electronic Thesis or Dissertation Text en PDF 3236549 Université de Strasbourg Strasbourg 2024-12-31 https://theses.hal.science/tel-04593246 application/pdf 3285008 https://publication-theses.unistra.fr/public/theses_doctorat/2023/RAMESH_Sanat_2023_ED269.pdf http://www.theses.fr/2023STRAD063/abes https://theses.hal.science/tel-04593246 https://theses.hal.science/tel-04593246 Ramesh Sanat 1994-06-24 IN 278516408 0EFB1U086Y4 21928159 4200018 https://theses.fr/2023STRAD063 2023STRAD063 https://doi.org/10.70675/6138ab8ez527bz466czb0baz82af95ac911d 2023-05-23 Image et vision Strasbourg 131056549 Università degli studi (Vérone, Italie) MADS_ETABLISSEMENT_DE_COTUTELLE_1 028881168 Doctorat Docteur es non oui Padoy Nicolas MADS_DIRECTEUR_DE_THESE_1 14741167X Fiorini Paolo MADS_DIRECTEUR_DE_THESE_2 249413701 Cristani Marco MADS_PRESIDENT_DU_JURY 171111605 Lampert Thomas MADS_MEMBRE_DU_JURY_1 273050559 Voros Sandrine MADS_RAPPORTEUR_1 115381368 Giannarou Stamatia MADS_RAPPORTEUR_2 270141588 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 269 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 Università degli studi (Vérone, Italie) Padoy Nicolas Fiorini Paolo Cristani Marco Lampert Thomas Voros Sandrine Giannarou Stamatia École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 3236549