論文の概要: A Recurrent Neural Network Approach to Roll Estimation for Needle Steering

• arxiv url: http://arxiv.org/abs/2101.04856v1
• Date: Wed, 13 Jan 2021 03:40:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-03 21:21:30.286916
• Title: A Recurrent Neural Network Approach to Roll Estimation for Needle Steering
• Title（参考訳）: 針ステアリングにおける繰り返しニューラルネットワークによるロール推定
• Authors: Maxwell Emerson, James M. Ferguson, Tayfun Efe Ertop, Margaret Rox, Josephine Granna, Michael Lester, Fabien Maldonado, Erin A. Gillaspie, Ron Alterovitz, Robert J. Webster III., and Alan Kuntz
• Abstract要約: 操作可能な針はボディのターゲット療法を提供するための有望な技術です。 現在のセンサーは、完全な向き情報を提供したり、針が治療を行う能力に干渉したりしない。 LSTMニューラルネットワークを利用して針先端の向きをオンラインで推定するモデルレス学習手法を提案する。
• 参考スコア（独自算出の注目度）: 5.556129660751467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Steerable needles are a promising technology for delivering targeted therapies in the body in a minimally-invasive fashion, as they can curve around anatomical obstacles and hone in on anatomical targets. In order to accurately steer them, controllers must have full knowledge of the needle tip's orientation. However, current sensors either do not provide full orientation information or interfere with the needle's ability to deliver therapy. Further, torsional dynamics can vary and depend on many parameters making steerable needles difficult to accurately model, limiting the effectiveness of traditional observer methods. To overcome these limitations, we propose a model-free, learned-method that leverages LSTM neural networks to estimate the needle tip's orientation online. We validate our method by integrating it into a sliding-mode controller and steering the needle to targets in gelatin and ex vivo ovine brain tissue. We compare our method's performance against an Extended Kalman Filter, a model-based observer, achieving significantly lower targeting errors.
• Abstract（参考訳）: ステアブル・ニードル(steerable needles)は、解剖学的障害の周りを曲がり、解剖学的標的にぶつかることができるため、最小限の侵襲的な方法で身体に標的治療を提供する有望な技術である。 正確に操縦するためには、制御装置は針先の位置を十分に知る必要がある。 しかし、現在のセンサーは完全な向き情報を提供していないか、針が治療を行う能力に干渉する。 さらに、ねじれのダイナミクスは、操作可能な針を正確にモデル化することが難しい多くのパラメータに依存し、従来のオブザーバー法の有効性を制限できる。 これらの制限を克服するために,LSTMニューラルネットワークを利用して針先方向をオンラインで推定するモデルレス学習手法を提案する。 本手法はスライディングモードコントローラに統合し,ゼラチンおよび卵子外脳組織の標的に針を操ることで検証する。 提案手法の性能をモデルベースオブザーバである拡張カルマンフィルタと比較し,ターゲット誤差を大幅に低減した。

関連論文リスト

• Comparison of gait phase detection using traditional machine learning and deep learning techniques [3.11526333124308]
  本研究では,人間歩行のための低レベルEMGデータに基づく機械学習(ML)モデルを提案する。 その結果,従来のMLモデルでは75%,ディープラーニング(DL)モデルでは79%の精度が得られた。
  論文  参考訳（メタデータ） (2024-03-07T10:05:09Z)
• Applying Dimensionality Reduction as Precursor to LSTM-CNN Models for Classifying Imagery and Motor Signals in ECoG-Based BCIs [0.0]
  本研究は,脳-コンピュータインタフェース(BCI)内での運動画像分類アルゴリズムを最適化することにより,領域を拡大することを目的とする。 我々は、次元削減のための教師なし手法、すなわち、一様多様体近似と投影(UMAP)とK-Nearest Neighbors(KNN)を利用する。 また,Long Short-Term Memory (LSTM) やConvolutional Neural Networks (CNN) といった教師付き手法を,分類タスクに活用することの必要性も評価した。
  論文  参考訳（メタデータ） (2023-11-22T16:34:06Z)
• Collaborative Robotic Biopsy with Trajectory Guidance and Needle Tip Force Feedback [49.32653090178743]
  本報告では, トラジェクトリーガイダンスと審美フィードバックを組み合わせて, 針の配置を補助するロボットバイオプシーシステムについて述べる。 リアルタイムデータ処理のための光コヒーレンストモグラフィーと機械学習に基づいて針先端の力を検出する針の設計。 膵臓のin situ生検を行ない,より小さい,より深いターゲット構造を正確にサンプリングできることを実証した。
  論文  参考訳（メタデータ） (2023-06-12T14:07:53Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework [65.19784967388934]
  RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。 本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。 実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-30T13:04:42Z)
• Neural Moving Horizon Estimation for Robust Flight Control [6.023276947115864]
  外乱の予測と反応は、四角形機の堅牢な飛行制御に不可欠である。 ニューラルネットワークによってモデル化されたMHEパラメータを自動的に調整できるニューロ移動地平線推定器(NeuroMHE)を提案する。 NeuroMHEは出力推定誤差を最大49.4%削減した最先端の推定器より優れている。
  論文  参考訳（メタデータ） (2022-06-21T13:43:24Z)
• Generative Myocardial Motion Tracking via Latent Space Exploration with Biomechanics-informed Prior [16.129107206314043]
  心筋運動と変形は、心臓機能を特徴づける豊富な記述子である。 画像登録は、心筋運動追跡において最も一般的に用いられる手法であり、不適切な逆問題である。 本稿では,アプリケーション固有のバイオメカニクスを前もって暗黙的に学習する手法を提案する。
  論文  参考訳（メタデータ） (2022-06-08T12:02:00Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Detecting when pre-trained nnU-Net models fail silently for Covid-19 lung lesion segmentation [0.34940201626430645]
  本稿では,特徴空間におけるマハラノビス距離を利用した軽量OOD検出手法を提案する。 多施設データセットで訓練したパッチベースのnnU-Netアーキテクチャを用いて,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-13T10:48:08Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)

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。