論文の概要: Colonoscopy Navigation using End-to-End Deep Visuomotor Control: A User
Study
- arxiv url: http://arxiv.org/abs/2206.15086v1
- Date: Thu, 30 Jun 2022 07:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-02 01:31:55.703435
- Title: Colonoscopy Navigation using End-to-End Deep Visuomotor Control: A User
Study
- Title（参考訳）: end-to-end deep visuomotor control を用いた大腸内視鏡ナビゲーション
- Authors: Ameya Pore, Martina Finocchiaro, Diego Dall'Alba, Albert Hernansanz,
Gastone Ciuti, Alberto Arezzo, Arianna Menciassi, Alicia Casals, Paolo
Fiorini
- Abstract要約: 本研究は,Deep Visuomotor Control (DVC) と呼ばれる,Deep Reinforcement Learning を用いた内視鏡のイメージベース制御を提案する。
その結果,複数の評価パラメータの同等性能がより安全であることが示唆された。
内視鏡処置のシームレスな監督は、内視鏡の制御の問題よりも、介入者が医療上の決定に焦点を合わせることを可能にする。
- 参考スコア（独自算出の注目度）: 7.488310579909492
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flexible endoscopes for colonoscopy present several limitations due to their
inherent complexity, resulting in patient discomfort and lack of intuitiveness
for clinicians. Robotic devices together with autonomous control represent a
viable solution to reduce the workload of endoscopists and the training time
while improving the overall procedure outcome. Prior works on autonomous
endoscope control use heuristic policies that limit their generalisation to the
unstructured and highly deformable colon environment and require frequent human
intervention. This work proposes an image-based control of the endoscope using
Deep Reinforcement Learning, called Deep Visuomotor Control (DVC), to exhibit
adaptive behaviour in convoluted sections of the colon tract. DVC learns a
mapping between the endoscopic images and the control signal of the endoscope.
A first user study of 20 expert gastrointestinal endoscopists was carried out
to compare their navigation performance with DVC policies using a realistic
virtual simulator. The results indicate that DVC shows equivalent performance
on several assessment parameters, being more safer. Moreover, a second user
study with 20 novice participants was performed to demonstrate easier human
supervision compared to a state-of-the-art heuristic control policy. Seamless
supervision of colonoscopy procedures would enable interventionists to focus on
the medical decision rather than on the control problem of the endoscope.
- Abstract（参考訳）: 内視鏡検査の柔軟性は, その複雑さが原因で, 患者の不快感や直感が欠如している。
自律制御を備えたロボットデバイスは、全体的な手順結果を改善しながら、内科医の作業負荷とトレーニング時間を削減するための有効なソリューションである。
従来の自律内視鏡コントロールの研究は、その一般化を非構造的で高度に変形可能な大腸環境に制限し、頻繁に人間の介入を必要とするヒューリスティックなポリシーを用いていた。
本研究は,Deep Visuomotor Control (DVC) と呼ばれる深達度学習を用いた内視鏡のイメージベース制御を提案し,大腸の複雑な部分において適応的な動作を示す。
DVCは内視鏡画像と内視鏡の制御信号とのマッピングを学習する。
20名の専門消化器内科医を対象に,現実的な仮想シミュレータを用いてナビゲーション性能とDVCポリシーを比較した。
その結果、DVCは複数の評価パラメータに対して同等の性能を示し、より安全であることが示唆された。
さらに,20名の初級参加者による第2のユーザスタディを行い,最先端のヒューリスティックコントロールポリシと比較して,人間の監督が容易であることを実証した。
内視鏡手術のシームレスな監督は、内視鏡の制御の問題よりも、介入者が医療上の決定に集中できるようにする。
関連論文リスト
- Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。
第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。
第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
論文 参考訳（メタデータ） (2024-04-12T20:39:19Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Surgical Temporal Action-aware Network with Sequence Regularization for
Phase Recognition [28.52533700429284]
本稿では,STAR-Netと命名されたシークエンス正規化を施した手術時行動認識ネットワークを提案する。
MS-STAモジュールは、視覚的特徴と2Dネットワークを犠牲にして、手術行動の空間的および時間的知識を統合する。
我々のSTAR-Net with MS-STA and DSR can exploit of visual features of surgery action with effective regularization, which to the excellent performance of surgery phase recognition。
論文 参考訳（メタデータ） (2023-11-21T13:43:16Z) - 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) - ColNav: Real-Time Colon Navigation for Colonoscopy [0.0]
本稿では,光学的大腸内視鏡(OC)のための新しいリアルタイムナビゲーションシステムを提案する。
提案システムでは,大腸の非折りたたみ表現と,非検査領域に指示される局所指標の両方をリアルタイムに表示する手法を用いている。
以上の結果から,高ポリープリコール (PR) と高信頼度が得られた。
論文 参考訳（メタデータ） (2023-06-07T09:09:35Z) - LoViT: Long Video Transformer for Surgical Phase Recognition [59.06812739441785]
短時間・長期の時間情報を融合する2段階のLong Video Transformer(LoViT)を提案する。
このアプローチは、Colec80とAutoLaparoデータセットの最先端メソッドを一貫して上回る。
論文 参考訳（メタデータ） (2023-05-15T20:06:14Z) - Exploring the Utility of Self-Supervised Pretraining Strategies for the
Detection of Absent Lung Sliding in M-Mode Lung Ultrasound [72.39040113126462]
セルフ教師付きプレトレーニングは、医用画像における教師付き学習タスクのパフォーマンスを向上させるために観察されている。
本研究は,Mモード肺超音波画像における肺スライディング分類の下流タスクの微調整を指導する前,自己指導型プレトレーニングの有用性について検討した。
論文 参考訳（メタデータ） (2023-04-05T20:01:59Z) - A Novel Sample-efficient Deep Reinforcement Learning with Episodic
Policy Transfer for PID-Based Control in Cardiac Catheterization Robots [2.3939470784308914]
このモデルは、血管内カテーテル用に設計されたロボットシステムの軸方向運動制御のために検証された。
従来の10試行法と比較すると,0.003mmの誤差で利得を調整できることがわかった。
論文 参考訳（メタデータ） (2021-10-28T08:18:01Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - The SARAS Endoscopic Surgeon Action Detection (ESAD) dataset: Challenges
and methods [15.833413083110903]
本稿では,内視鏡下低侵襲手術における外科医の行動検出問題に取り組むための,最初の大規模データセットであるesadについて述べる。
このデータセットは、前立腺切除術中にキャプチャされた実際の内視鏡的ビデオフレーム上の21のアクションクラスに対するバウンディングボックスアノテーションを提供し、最近のMIDL 2020チャレンジのベースとして使用された。
論文 参考訳（メタデータ） (2021-04-07T15:11:51Z) - Towards Automatic Manipulation of Intra-cardiac Echocardiography
Catheter [10.926275815044182]
心内心エコー法(ICE)は、電気生理学的および構造的心臓介入を導くための強力な画像モダリティである。
本稿では,ICEカテーテル用ロボットマニピュレータについて,画像診断とプロシージャ自動化のプロセス開発のためのプラットフォームとして機能する。
論文 参考訳（メタデータ） (2020-09-12T20:14:49Z)
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。