論文の概要: Leveraging Vision and Kinematics Data to Improve Realism of Biomechanic
Soft-tissue Simulation for Robotic Surgery
- arxiv url: http://arxiv.org/abs/2003.06518v1
- Date: Sat, 14 Mar 2020 00:16:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 20:29:40.315157
- Title: Leveraging Vision and Kinematics Data to Improve Realism of Biomechanic
Soft-tissue Simulation for Robotic Surgery
- Title(参考訳): ロボット手術における生体力学ソフトトイシューシミュレーションの現実性向上のための視覚データと運動データの利用
- Authors: Jie Ying Wu, Peter Kazanzides, Mathias Unberath
- Abstract要約: ロボット内視鏡手術で得られたライブデータは,不正確なFEMシミュレーション結果の修正にどのように用いられるかを検討する。
我々はオープンソースのda Vinciオペレーショナルシステムを用いて,ソフトチップのファントムを探索し,シミュレーションでインタラクションを再現する。
予測メッシュ位置と測定点雲との差を補正するために,ネットワークをトレーニングする。
- 参考スコア(独自算出の注目度): 13.657060682152409
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose Surgical simulations play an increasingly important role in surgeon
education and developing algorithms that enable robots to perform surgical
subtasks. To model anatomy, Finite Element Method (FEM) simulations have been
held as the gold standard for calculating accurate soft-tissue deformation.
Unfortunately, their accuracy is highly dependent on the simulation parameters,
which can be difficult to obtain.
Methods In this work, we investigate how live data acquired during any
robotic endoscopic surgical procedure may be used to correct for inaccurate FEM
simulation results. Since FEMs are calculated from initial parameters and
cannot directly incorporate observations, we propose to add a correction factor
that accounts for the discrepancy between simulation and observations. We train
a network to predict this correction factor.
Results To evaluate our method, we use an open-source da Vinci Surgical
System to probe a soft-tissue phantom and replay the interaction in simulation.
We train the network to correct for the difference between the predicted mesh
position and the measured point cloud. This results in 15-30% improvement in
the mean distance, demonstrating the effectiveness of our approach across a
large range of simulation parameters.
Conclusion We show a first step towards a framework that synergistically
combines the benefits of model-based simulation and real-time observations. It
corrects discrepancies between simulation and the scene that results from
inaccurate modeling parameters. This can provide a more accurate simulation
environment for surgeons and better data with which to train algorithms.
- Abstract(参考訳): 目的の手術シミュレーションは、ロボットが手術サブタスクを実行できるような、外科医教育やアルゴリズムの開発において、ますます重要な役割を担っている。
解剖学をモデル化するため、有限要素法(FEM)シミュレーションは正確な軟形状変形を計算するための金の標準として保持されている。
残念ながら、それらの精度はシミュレーションパラメータに大きく依存しており、入手は困難である。
そこで本研究では, ロボット内視鏡手術中に取得したライブデータを, 不正確なfemシミュレーション結果の補正に利用する方法について検討する。
FEMは初期パラメータから計算され、直接観測を組み込むことができないため、シミュレーションと観測の相違を考慮した補正因子を加えることを提案する。
この補正因子を予測するためにネットワークを訓練します。
提案手法を評価するために,オープンソースのda Vinciオペレーショナル・システムを用いて,ソフトチップファントムを探索し,シミュレーションでインタラクションを再現する。
予測されたメッシュ位置と測定点雲の違いを補正するためにネットワークを訓練する。
その結果,平均距離は15~30%向上し,多種多様なシミュレーションパラメータを用いた提案手法の有効性が示された。
結論 モデルに基づくシミュレーションとリアルタイム観測の利点を相乗的に組み合わせたフレームワークへの第一歩を示す。
シミュレーションと不正確なモデリングパラメータから生じるシーンの相違を補正する。
これにより、外科医にとってより正確なシミュレーション環境と、アルゴリズムを訓練するためのより良いデータを提供できる。
関連論文リスト
- Bayesian Adaptive Calibration and Optimal Design [16.821341360894706]
現在の機械学習アプローチは、主に観測データで利用可能な固定された設計セットに対する再実行シミュレーションに依存している。
本稿では,バッチシーケンスプロセス内で最大情報化シミュレーションを実行するためのデータ効率アルゴリズムを提案する。
合成問題と実データ問題にまたがる関連手法と比較して,本手法の利点を示す。
論文 参考訳(メタデータ) (2024-05-23T11:14:35Z) - Bridging the Sim-to-Real Gap with Bayesian Inference [53.61496586090384]
データからロボットダイナミクスを学習するためのSIM-FSVGDを提案する。
我々は、ニューラルネットワークモデルのトレーニングを規則化するために、低忠実度物理プリエンスを使用します。
高性能RCレースカーシステムにおけるSIM-to-realギャップのブリッジ化におけるSIM-FSVGDの有効性を実証する。
論文 参考訳(メタデータ) (2024-03-25T11:29:32Z) - A Multi-Grained Symmetric Differential Equation Model for Learning
Protein-Ligand Binding Dynamics [74.93549765488103]
薬物発見において、分子動力学シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合の正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
我々は、標準的な数値MDシミュレーションよりも2000$times$のスピードアップを達成し、安定性の指標の下では、他のMLアプローチよりも最大80%高い効率で、NeuralMDの有効性と有効性を示す。
論文 参考訳(メタデータ) (2024-01-26T09:35:17Z) - Near-realtime Facial Animation by Deep 3D Simulation Super-Resolution [7.14576106770047]
本稿では,低コストでリアルタイムな物理シミュレーションによって生み出す顔のパフォーマンスを効率よく,現実的に向上させるニューラルネットワークに基づくシミュレーションフレームワークを提案する。
顔のアニメーションをこのようなシミュレーション領域の例に用いて,2つのシミュレータで同じ筋の運動制御と骨格のポーズを単純にダイヤルすることで,この意味の一致を創り出すことができる。
提案するニューラルネットワーク超解像フレームワークは,このトレーニングセットから未確認表現を一般化し,リアルタイム変種における解像度の制限やコスト削減近似による2つのシミュレーション間の不一致をモデル化するための補償を行うとともに,意味記述子やパラメータを必要としない。
論文 参考訳(メタデータ) (2023-05-05T00:09:24Z) - Real-time simulation of viscoelastic tissue behavior with physics-guided
deep learning [0.8250374560598492]
軟部組織の変位場を粘弾性特性で予測する深層学習法を提案する。
提案手法は従来のCNNモデルよりも精度が高い。
本調査は,仮想現実における深層学習のギャップを埋めるのに役立つものと期待されている。
論文 参考訳(メタデータ) (2023-01-11T18:17:10Z) - Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。
勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文 参考訳(メタデータ) (2022-07-12T16:08:04Z) - DiSECt: A Differentiable Simulator for Parameter Inference and Control
in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。
シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。
このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文 参考訳(メタデータ) (2022-03-19T07:27:19Z) - Prediction of progressive lens performance from neural network
simulations [62.997667081978825]
本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。
提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
論文 参考訳(メタデータ) (2021-03-19T14:51:02Z) - Cognitive simulation models for inertial confinement fusion: Combining
simulation and experimental data [0.0]
研究者は、高性能な爆発を求めて設計空間を探索するためにコンピュータシミュレーションに大きく依存しています。
より効果的な設計と調査のために、シミュレーションは過去の実験データからの入力を必要とする。
本稿では,シミュレーションと実験データを共通の予測モデルに組み合わせた認知シミュレーション手法について述べる。
論文 参考訳(メタデータ) (2021-03-19T02:00:14Z) - Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial
Observability in Visual Navigation [62.22058066456076]
強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。
RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。
本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
論文 参考訳(メタデータ) (2020-07-27T17:46:59Z) - Patient Specific Biomechanics Are Clinically Significant In Accurate
Computer Aided Surgical Image Guidance [3.5760618920650398]
拡張現実(Augmented Reality)は、画像ガイド手術(AR IG)において、術前の画像から手術用ランドマークをビデオオーバーレイに融合するために用いられる。
手術の進行に伴ってランドマークの正確な位置を維持するためには,物理シミュレーションが不可欠である。
肝外科では、AR IGシミュレーションの精度は、患者の疾患に対する硬さの変化をモデル化できないことによって妨げられる。
我々は磁気共鳴エラストグラフィー(MRE)データに基づく患者特有の硬さ変化を考慮に入れた新しい方法を提案する。
論文 参考訳(メタデータ) (2020-01-29T08:11:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。