論文の概要: VesNet-RL: Simulation-based Reinforcement Learning for Real-World US Probe Navigation

• arxiv url: http://arxiv.org/abs/2205.06676v1
• Date: Tue, 10 May 2022 09:34:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-22 10:56:34.467867
• Title: VesNet-RL: Simulation-based Reinforcement Learning for Real-World US Probe Navigation
• Title（参考訳）: VesNet-RL:実世界のUSプローブナビゲーションのためのシミュレーションに基づく強化学習
• Authors: Yuan Bi, Zhongliang Jiang, Yuan Gao, Thomas Wendler, Angelos Karlas, and Nassir Navab
• Abstract要約: フリーハンドの米国試験では、ソノグラフィーがアメリカのプローブをナビゲートして、診断情報豊富な標準試験機を視覚化することが多い。 そこで本稿では,米国探査機のリアルタイムナビゲーションのためのシミュレーションベースのRLフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 39.7566010845081
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound (US) is one of the most common medical imaging modalities since it is radiation-free, low-cost, and real-time. In freehand US examinations, sonographers often navigate a US probe to visualize standard examination planes with rich diagnostic information. However, reproducibility and stability of the resulting images often suffer from intra- and inter-operator variation. Reinforcement learning (RL), as an interaction-based learning method, has demonstrated its effectiveness in visual navigating tasks; however, RL is limited in terms of generalization. To address this challenge, we propose a simulation-based RL framework for real-world navigation of US probes towards the standard longitudinal views of vessels. A UNet is used to provide binary masks from US images; thereby, the RL agent trained on simulated binary vessel images can be applied in real scenarios without further training. To accurately characterize actual states, a multi-modality state representation structure is introduced to facilitate the understanding of environments. Moreover, considering the characteristics of vessels, a novel standard view recognition approach based on the minimum bounding rectangle is proposed to terminate the searching process. To evaluate the effectiveness of the proposed method, the trained policy is validated virtually on 3D volumes of a volunteer's in-vivo carotid artery, and physically on custom-designed gel phantoms using robotic US. The results demonstrate that proposed approach can effectively and accurately navigate the probe towards the longitudinal view of vessels.
• Abstract（参考訳）: 超音波(us)は、放射線のない、低コスト、リアルタイムであるため、最も一般的な医用画像の1つである。 フリーハンドの米国試験では、超音波撮影者はしばしばアメリカのプローブをナビゲートして、診断情報の豊富な標準検査プレーンを可視化する。 しかし、結果として得られる画像の再現性と安定性は、しばしば操作者内および操作者間の変化に悩まされる。 相互作用に基づく学習方法としての強化学習(rl)は、視覚ナビゲートタスクにおいてその効果を実証しているが、一般化の観点からはrlは制限されている。 この課題に対処するため,本研究では,米国探査機の標準長手方向の航法を行うためのシミュレーションベースのRLフレームワークを提案する。 unetはusイメージからバイナリマスクを提供するために使用され、シミュレーションされたバイナリコンテナイメージでトレーニングされたrlエージェントを、さらなるトレーニングなしに実際のシナリオに適用することができる。 実状態を正確に特徴付けるために、環境の理解を容易にするためにマルチモダリティ状態表現構造を導入する。 また, 容器の特性を考慮し, 最小境界長方形に基づく新たな標準視点認識手法を提案し, 探索過程を終了させる。 提案手法の有効性を評価するため,ボランティアの頸動脈内3次元容積と,ロボットUSを用いたカスタムデザインゲルファントムの物理的評価を行った。 その結果,提案手法は船体長手方向へのプローブの移動を効果的かつ正確に行うことができることがわかった。

関連論文リスト

• Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
  本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。 本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。 提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
  論文  参考訳（メタデータ） (2024-02-09T15:14:48Z)
• Fast-Slow Test-Time Adaptation for Online Vision-and-Language Navigation [67.18144414660681]
  オンラインビジョン・アンド・ランゲージナビゲーション(VLN)のためのFSTTA(Fast-Slow Test-Time Adaptation)アプローチを提案する。 提案手法は,4つのベンチマークにおいて顕著な性能向上を実現する。
  論文  参考訳（メタデータ） (2023-11-22T07:47:39Z)
• HoloPOCUS: Portable Mixed-Reality 3D Ultrasound Tracking, Reconstruction and Overlay [2.069072041357411]
  HoloPOCUSは、米国のリッチな情報を医療現場でユーザーの視界にオーバーレイする複合現実型システムである。 既存のMR-USよりも高精度な追跡パイプラインを検証した。
  論文  参考訳（メタデータ） (2023-08-26T09:28:20Z)
• 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)
• Agent with Tangent-based Formulation and Anatomical Perception for Standard Plane Localization in 3D Ultrasound [56.7645826576439]
  3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。 まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。 第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
  論文  参考訳（メタデータ） (2022-07-01T14:53:27Z)
• CheXstray: Real-time Multi-Modal Data Concordance for Drift Detection in Medical Imaging AI [1.359138408203412]
  医用画像AIドリフトモニタリングワークフローを構築してテストし、同時代の地上真実なしにデータとモデルドリフトを追跡する。 主な貢献は,(1)VAEおよび領域特異的統計手法を含む医用画像ドリフト検出のための概念実証である。 この研究は、動的医療環境における継続的医療画像AIモデルモニタリングに関連する翻訳ギャップに対処するために重要な意味を持つ。
  論文  参考訳（メタデータ） (2022-02-06T18:58:35Z)
• Image-Guided Navigation of a Robotic Ultrasound Probe for Autonomous Spinal Sonography Using a Shadow-aware Dual-Agent Framework [35.17207004351791]
  本稿では,強化学習エージェントと深層学習エージェントを統合した新しいデュアルエージェントフレームワークを提案する。 提案手法は,US画像を効果的に解釈し,プローブをナビゲートすることで,脊椎の複数の標準視像を取得できる。
  論文  参考訳（メタデータ） (2021-11-03T12:11:27Z)
• Autonomous Navigation of an Ultrasound Probe Towards Standard Scan Planes with Deep Reinforcement Learning [28.17246919349759]
  本論文では,実時間画像フィードバックに基づく仮想米国プローブの6次元ポーズを自律的に制御するフレームワークを提案する。 本手法は,米国の脊椎イメージングで収集した実世界データを用いて構築したシミュレーション環境で検証した。
  論文  参考訳（メタデータ） (2021-03-01T03:09:17Z)
• Offline Reinforcement Learning from Images with Latent Space Models [60.69745540036375]
  オフライン強化学習(RL)とは、環境相互作用の静的データセットからポリシーを学習する問題を指します。 オフラインRLのためのモデルベースアルゴリズムの最近の進歩の上に構築し、それらを高次元の視覚観測空間に拡張する。 提案手法は, 実測可能であり, 未知のPOMDPにおけるELBOの下限の最大化に対応している。
  論文  参考訳（メタデータ） (2020-12-21T18:28:17Z)
• RL-CycleGAN: Reinforcement Learning Aware Simulation-To-Real [74.45688231140689]
  本稿では、画像翻訳におけるRL-scene整合性損失を導入し、画像に関連付けられたQ値に対して変換操作が不変であることを保証する。 RL-CycleGANは実世界のシミュレーションから実世界への変換による強化学習のための新しい手法である。
  論文  参考訳（メタデータ） (2020-06-16T08:58:07Z)

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。