論文の概要: Markerless Suture Needle 6D Pose Tracking with Robust Uncertainty Estimation for Autonomous Minimally Invasive Robotic Surgery

• arxiv url: http://arxiv.org/abs/2109.12722v1
• Date: Sun, 26 Sep 2021 23:30:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:15:32.130163
• Title: Markerless Suture Needle 6D Pose Tracking with Robust Uncertainty Estimation for Autonomous Minimally Invasive Robotic Surgery
• Title（参考訳）: 自律最小侵襲ロボット手術におけるロバスト不確実性推定によるマーカーレス縫合針6Dポッド追跡
• Authors: Zih-Yun Chiu, Albert Z Liao, Florian Richter, Bjorn Johnson, and Michael C. Yip
• Abstract要約: ベイズフィルタを用いたマーカーレス縫合針ポーズトラッキングの新しい手法を提案する。 データ効率の良い特徴点検出器を訓練し、針上の特徴点を抽出する。 新しい観察モデルは、検出と針の予測投影との重なりを計測する。
• 参考スコア（独自算出の注目度）: 11.530352384883361
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Suture needle localization plays a crucial role towards autonomous suturing. To track the 6D pose of a suture needle robustly, previous approaches usually add markers on the needle or perform complex operations for feature extraction, making these methods difficult to be applicable to real-world environments. Therefore in this work, we present a novel approach for markerless suture needle pose tracking using Bayesian filters. A data-efficient feature point detector is trained to extract the feature points on the needle. Then based on these detections, we propose a novel observation model that measures the overlap between the detections and the expected projection of the needle, which can be calculated efficiently. In addition, for the proposed method, we derive the approximation for the covariance of the observation noise, making this model more robust to the uncertainty in the detections. The experimental results in simulation show that the proposed observation model achieves low tracking errors of approximately 1.5mm in position in space and 1 degree in orientation. We also demonstrate the qualitative results of our trained markerless feature detector combined with the proposed observation model in real-world environments. The results show high consistency between the projection of the tracked pose and that of the real pose.
• Abstract（参考訳）: 縫合針の局所化は自律縫合において重要な役割を果たす。 縫合針の6Dポーズを強固に追跡するために、従来のアプローチでは針にマーカーを追加したり、特徴抽出のための複雑な操作を行なっていた。 そこで本研究では,ベイズフィルタを用いたマーカーレス縫合針ポーズトラッキングの新しい手法を提案する。 データ効率の良い特徴点検出器を訓練して針の特徴点を抽出する。 そして,これらの検出に基づいて,針の予測射影と検出の重なりを計測し,効率よく計算できる新しい観察モデルを提案する。 また,提案手法では,観測ノイズの共分散の近似を導出し,検出の不確実性に対してより堅牢なモデルを実現する。 シミュレーション実験の結果,提案した観測モデルでは,約1.5mmの位置と1度の位置の追跡誤差が低いことがわかった。 また,実環境において提案手法を併用したマーカーレス特徴検出器の質的評価結果を示す。 その結果,実ポーズの投影と実ポーズの投影との間に高い一貫性が示された。

関連論文リスト

• Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation [1.2873975765521795]
  この研究は、肝臓を分断する4つのSwin UNETRとnnU-netモデルのボトルネック特徴にマハラノビス距離(MD)ポストホックを適用した。 モデルが失敗した画像は、高性能で最小の計算負荷で検出された。
  論文  参考訳（メタデータ） (2024-08-05T18:24:48Z)
• Invisible Needle Detection in Ultrasound: Leveraging Mechanism-Induced Vibration [41.242444481240135]
  VibNetは、超音波画像における針検出の堅牢性を高めるために設計された学習ベースのフレームワークである。 Eulerian Video Magnification法にインスパイアされた我々は,針の低振幅周期運動を誘導するために外部ステップモータを利用する。 これらの振動を利用する針を堅牢かつ正確に検出するために、VibNetは学習ベースのShort-Time-ier-TransformとHough-Transformモジュールを統合する。
  論文  参考訳（メタデータ） (2024-03-21T16:23:25Z)
• Objective and Interpretable Breast Cosmesis Evaluation with Attention Guided Denoising Diffusion Anomaly Detection Model [7.227228085606149]
  手術後の乳房コスメシスを評価するために,注意ガイド下乳房拡散異常検出法(AG-DDAD)を施行した。 提案手法は,拡散モデルと組み合わせたラベル付き自己監督型ビジョントランス (ViT) を用いた蒸留の注意機構を活用し,高品質な画像再構成を実現する。 我々の異常検出モデルは、既存のモデルを上回る精度で最先端の性能を示す。
  論文  参考訳（メタデータ） (2024-02-28T14:33:14Z)
• Mitigating Feature Gap for Adversarial Robustness by Feature Disentanglement [61.048842737581865]
  逆方向の微調整法は, 逆方向の訓練方法で, 自然に事前訓練されたモデルを微調整することにより, 逆方向の強靭性を高めることを目的としている。 特徴ギャップの原因となる潜伏する特徴を明示的にモデル化し,取り除く,アンタングルメントに基づくアプローチを提案する。 3つのベンチマークデータセットに対する実証的な評価は、我々のアプローチが既存の逆方向の微調整法や逆方向のトレーニングベースラインを超えていることを示している。
  論文  参考訳（メタデータ） (2024-01-26T08:38:57Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• Improved Trajectory Reconstruction for Markerless Pose Estimation [0.0]
  マーカーレスポーズ推定は、複数の同期および校正されたビューから人間の動きを再構築することを可能にする。 我々は、マーカーレスポーズ推定精度に基づいて、異なるキーポイント検出器と再構成アルゴリズムを試験した。 その結果、トップダウンのキーポイント検出器を用いて暗黙の関数で軌跡を再構築することで、正確で滑らかで解剖学的に妥当な軌跡が得られた。
  論文  参考訳（メタデータ） (2023-03-04T13:16:02Z)
• Watermarking for Out-of-distribution Detection [76.20630986010114]
  Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。 本稿では,透かしという一般的な手法を提案する。 我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
  論文  参考訳（メタデータ） (2022-10-27T06:12:32Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)

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。