論文の概要: Autonomous Tissue Scanning under Free-Form Motion for Intraoperative
Tissue Characterisation
- arxiv url: http://arxiv.org/abs/2005.05050v3
- Date: Fri, 22 May 2020 12:37:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 20:57:07.719261
- Title: Autonomous Tissue Scanning under Free-Form Motion for Intraoperative
Tissue Characterisation
- Title（参考訳）: 術中組織キャラクタリゼーションのためのフリーフォーム運動下の自律組織走査
- Authors: Jian Zhan, Joao Cartucho and Stamatia Giannarou
- Abstract要約: 微小侵襲手術 (MIS) では, イメージングプローブを用いた組織スキャンが表面の可視化に必要である。
自由形態の組織変形に対処できる自律型組織スキャンのためのビジュアルサーボフレームワークを提案する。
超音波組織スキャンのためのda Vinci Research Kit (dVRK) を用いて, この枠組みをダヴィンチ手術ロボットに展開した。
- 参考スコア（独自算出の注目度）: 3.5579740292581006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Minimally Invasive Surgery (MIS), tissue scanning with imaging probes is
required for subsurface visualisation to characterise the state of the tissue.
However, scanning of large tissue surfaces in the presence of deformation is a
challenging task for the surgeon. Recently, robot-assisted local tissue
scanning has been investigated for motion stabilisation of imaging probes to
facilitate the capturing of good quality images and reduce the surgeon's
cognitive load. Nonetheless, these approaches require the tissue surface to be
static or deform with periodic motion. To eliminate these assumptions, we
propose a visual servoing framework for autonomous tissue scanning, able to
deal with free-form tissue deformation. The 3D structure of the surgical scene
is recovered and a feature-based method is proposed to estimate the motion of
the tissue in real-time. A desired scanning trajectory is manually defined on a
reference frame and continuously updated using projective geometry to follow
the tissue motion and control the movement of the robotic arm. The advantage of
the proposed method is that it does not require the learning of the tissue
motion prior to scanning and can deal with free-form deformation. We deployed
this framework on the da Vinci surgical robot using the da Vinci Research Kit
(dVRK) for Ultrasound tissue scanning. Since the framework does not rely on
information from the Ultrasound data, it can be easily extended to other
probe-based imaging modalities.
- Abstract（参考訳）: 低侵襲手術(minimally invasive surgery, mis)では, 組織状態を可視化するために, イメージングプローブを用いた組織走査が必要である。
しかし, 変形の有無で大きな組織表面を走査することは, 外科医にとって難しい課題である。
近年,画像プローブの運動安定化のためのロボット支援局所組織走査法が研究され,高品質な画像の取得と外科医の認知負荷の低減が図られている。
それにもかかわらず、これらのアプローチは組織表面を静的または周期的な動きで変形させる必要がある。
これらの仮定をなくすために,自由形態の組織変形に対処できる自律型組織スキャンのための視覚サーボフレームワークを提案する。
手術場面の3次元構造を復元し, 組織の動きをリアルタイムに推定する特徴量に基づく手法を提案する。
所望の走査軌跡を基準フレーム上で手動で定義し、射影幾何学を用いて連続的に更新して組織の動きを追従し、ロボットアームの動きを制御する。
提案手法の利点は, 走査前に組織の動きの学習を必要とせず, 自由変形に対処できる点である。
超音波組織スキャンのためのda Vinci Research Kit (dVRK) を用いて, この枠組みをダヴィンチ手術ロボットに展開した。
このフレームワークは超音波データからの情報に依存しないので、他のプローブベースの画像モダリティにも容易に拡張できる。
関連論文リスト
- Image-to-Force Estimation for Soft Tissue Interaction in Robotic-Assisted Surgery Using Structured Light [4.199824399433837]
本文では, 軟組織にパターンをデザインしたOne-Shot構造光射影を用いた効果的な視覚ベーススキームを提案する。
内視鏡ステレオカメラから撮像した画像を分析し、軟組織変形のために高解像度の3D点雲を再構成する。
軟組織の複雑な力学特性を表現するため, 改良されたPointNetを用いた力推定法を提案する。
論文 参考訳（メタデータ） (2025-01-15T05:36:41Z) - Deformation-Aware Segmentation Network Robust to Motion Artifacts for Brain Tissue Segmentation using Disentanglement Learning [5.354351782195383]
磁気共鳴画像(MRI)における運動アーティファクトの意義
本研究では,動作補正と頑健な脳組織分割の両面で優れた性能を示す新しいディープラーニングフレームワークを提案する。
In-vivo experiment on pediatric Motion data, we proposed on the-of-the-art method in segmenting motion-corrupted MRI scans。
論文 参考訳（メタデータ） (2024-12-05T06:52:42Z) - FLex: Joint Pose and Dynamic Radiance Fields Optimization for Stereo Endoscopic Videos [79.50191812646125]
内視鏡的シーンの再構築は、外科手術後の分析から教育訓練まで、様々な医療応用にとって重要な要素である。
変形組織の非常にダイナミックな環境下での移動内視鏡の挑戦的なセットアップに着目する。
複数重重なり合う4次元ニューラルラジアンスフィールド(NeRF)への暗黙的なシーン分離と、再構成とカメラのスクラッチからのポーズを協調的に最適化するプログレッシブ最適化手法を提案する。
これにより、使いやすさが向上し、5000フレーム以上の手術ビデオの処理に間に合うように復元能力を拡張できる。
論文 参考訳（メタデータ） (2024-03-18T19:13:02Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - Identifying Visible Tissue in Intraoperative Ultrasound Images during
Brain Surgery: A Method and Application [1.4408275800058263]
術中超音波検査は, 必要なビゾタクタクタブル・タスクである。
オペレーターは超音波の視点を同時にローカライズし、プローブのポーズを手動で調整する必要がある。
超音波プローブと組織接触の解析を可能にする可視組織同定法を提案する。
論文 参考訳（メタデータ） (2023-06-01T23:06:14Z) - Neural LerPlane Representations for Fast 4D Reconstruction of Deformable
Tissues [52.886545681833596]
LerPlaneは単一視点環境下での手術シーンの高速かつ正確な再構築手法である。
LerPlaneは外科手術を4Dボリュームとして扱い、静的および動的フィールドの明示的な2D平面に分解する。
LerPlaneは静的フィールドを共有し、動的組織モデリングのワークロードを大幅に削減する。
論文 参考訳（メタデータ） (2023-05-31T14:38:35Z) - Collaborative Robotic Ultrasound Tissue Scanning for Surgical Resection
Guidance in Neurosurgery [1.372026330898297]
本研究の目的は、自律型iUS組織スキャンのためのロボットプラットフォームを導入することである。
提案プラットフォームの重要な応用は、腫瘍切除をガイドする脳組織のスキャンである。
論文 参考訳（メタデータ） (2023-01-19T17:05:07Z) - Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of
Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。
この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。
いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文 参考訳（メタデータ） (2022-08-10T15:39:20Z) - Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。
U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。
実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
論文 参考訳（メタデータ） (2022-07-20T14:20:03Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳（メタデータ） (2021-09-23T15:15:21Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳（メタデータ） (2020-11-10T09:27:56Z)
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。