論文の概要: Learning Robotic Ultrasound Scanning Skills via Human Demonstrations and
Guided Explorations
- arxiv url: http://arxiv.org/abs/2111.01625v1
- Date: Tue, 2 Nov 2021 14:38:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 14:44:19.260870
- Title: Learning Robotic Ultrasound Scanning Skills via Human Demonstrations and
Guided Explorations
- Title(参考訳): 人間のデモとガイドによるロボット超音波スキャンスキルの学習
- Authors: Xutian Deng, Yiting Chen, Fei Chen and Miao Li
- Abstract要約: 本研究では,人間の実演からロボット超音波スキャン技術を学ぶための学習に基づくアプローチを提案する。
まず,ロボット超音波スキャン技術を高次元マルチモーダルモデルにカプセル化し,超音波画像,プローブのポーズ・配置,接触力を考慮した。
第2に、経験者超音波医師のデモンストレーションから収集したトレーニングデータを用いて、模倣学習の力を利用してマルチモーダルモデルを訓練する。
- 参考スコア(独自算出の注目度): 12.894853456160924
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical ultrasound has become a routine examination approach nowadays and is
widely adopted for different medical applications, so it is desired to have a
robotic ultrasound system to perform the ultrasound scanning autonomously.
However, the ultrasound scanning skill is considerably complex, which highly
depends on the experience of the ultrasound physician. In this paper, we
propose a learning-based approach to learn the robotic ultrasound scanning
skills from human demonstrations. First, the robotic ultrasound scanning skill
is encapsulated into a high-dimensional multi-modal model, which takes the
ultrasound images, the pose/position of the probe and the contact force into
account. Second, we leverage the power of imitation learning to train the
multi-modal model with the training data collected from the demonstrations of
experienced ultrasound physicians. Finally, a post-optimization procedure with
guided explorations is proposed to further improve the performance of the
learned model. Robotic experiments are conducted to validate the advantages of
our proposed framework and the learned models.
- Abstract(参考訳): 近年, 超音波検査は日常的な検査手法となり, 様々な医療応用に広く採用されているため, 超音波検査を自律的に行うロボット超音波システムが望まれている。
しかし,超音波検査のスキルはかなり複雑であり,超音波医の経験に大きく依存している。
本稿では,人間の実演からロボット超音波スキャン技術を学ぶための学習に基づくアプローチを提案する。
まず,ロボット超音波スキャン技術を高次元マルチモーダルモデルにカプセル化し,超音波画像,プローブのポーズ・配置,接触力を考慮した。
第2に, 模倣学習の力を利用して, 経験豊富な超音波医師のデモンストレーションから収集したトレーニングデータを用いて, マルチモーダルモデルの学習を行う。
最後に,学習モデルの性能向上を図るため,ガイド付き探索を用いた後最適化手法を提案する。
提案するフレームワークと学習モデルの利点を検証するために,ロボット実験を行った。
関連論文リスト
- FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans
Using Deep Self-supervised Learning [1.0819408603463427]
毎年1億4000万人以上の胎児が生まれ、多くのスキャンが行われる。
大量の胎児超音波スキャンが利用可能であることは、堅牢な機械学習モデルをトレーニングする機会を提供する。
本研究では,超音波画像の自動クラスタリングのための教師なしアプローチを提案する。
論文 参考訳(メタデータ) (2023-10-19T09:11:23Z) - 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) - Learning Autonomous Ultrasound via Latent Task Representation and
Robotic Skills Adaptation [2.3830437836694185]
本稿では,自律型超音波の潜在タスク表現とロボットスキル適応を提案する。
オフラインの段階では、マルチモーダル超音波技術が統合され、低次元確率モデルにカプセル化される。
オンライン段階では、確率モデルは最適な予測を選択して評価する。
論文 参考訳(メタデータ) (2023-07-25T08:32:36Z) - Towards a Simple Framework of Skill Transfer Learning for Robotic
Ultrasound-guidance Procedures [0.0]
ロボット超音波誘導術におけるスキルトランスファー学習の課題を概観する。
ロボット超音波誘導法における実時間応用のための簡易な技術伝達学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-06T10:37:13Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound
Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。
本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。
本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文 参考訳(メタデータ) (2022-12-15T14:34:12Z) - Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。
データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文 参考訳(メタデータ) (2022-04-09T13:04:36Z) - Learning Ultrasound Scanning Skills from Human Demonstrations [6.971573270058377]
人間の実演から超音波スキャン技術を取得するための学習ベースのフレームワークを提案する。
モデルのパラメータは、熟練したソノグラフィーのデモンストレーションから収集したデータを用いて学習される。
提案手法のロバスト性は,ソノグラフィーによる実データを用いて検証した。
論文 参考訳(メタデータ) (2021-11-09T12:29:25Z) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳(メタデータ) (2021-10-12T21:22:24Z) - 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) - Automatic Probe Movement Guidance for Freehand Obstetric Ultrasound [4.893896929103368]
このシステムは、プローブに取り付けられた慣性測定ユニット(IMU)の超音波ビデオ信号と運動信号を受信する人工ニューラルネットワークを用いる。
US-GuideNetと呼ばれるネットワークは、標準的な平面位置への移動(ゴール予測)または、専門家のソノグラフィーが実行する次の動きを予測する。
論文 参考訳(メタデータ) (2020-07-08T23:58:41Z)
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。