論文の概要: Towards a Simple Framework of Skill Transfer Learning for Robotic Ultrasound-guidance Procedures

• arxiv url: http://arxiv.org/abs/2305.04004v1
• Date: Sat, 6 May 2023 10:37:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 18:06:00.783624
• Title: Towards a Simple Framework of Skill Transfer Learning for Robotic Ultrasound-guidance Procedures
• Title（参考訳）: ロボット超音波ガイド法におけるスキル伝達学習の簡便な枠組みに向けて
• Authors: Tsz Yan Leung, Miguel Xochicale
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper, we present a simple framework of skill transfer learning for robotic ultrasound-guidance procedures. We briefly review challenges in skill transfer learning for robotic ultrasound-guidance procedures. We then identify the need of appropriate sampling techniques, computationally efficient neural networks models that lead to the proposal of a simple framework of skill transfer learning for real-time applications in robotic ultrasound-guidance procedures. We present pilot experiments from two participants (one experienced clinician and one non-clinician) looking for an optimal scanning plane of the four-chamber cardiac view from a fetal phantom. We analysed ultrasound image frames, time series of texture image features and quaternions and found that the experienced clinician performed the procedure in a quicker and smoother way compared to lengthy and non-constant movements from non-clinicians. For future work, we pointed out the need of pruned and quantised neural network models for real-time applications in robotic ultrasound-guidance procedure. The resources to reproduce this work are available at \url{https://github.com/mxochicale/rami-icra2023}.
• Abstract（参考訳）: 本稿では,ロボット超音波誘導法におけるスキルトランスファー学習の簡単な枠組みを提案する。 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。 次に,ロボット超音波誘導法における実時間応用のための簡単なスキル伝達学習フレームワークの提案に繋がる,適切なサンプリング技術,計算効率のよいニューラルネットワークモデルの必要性を明らかにする。 本研究は, 胎児ファントムからの4面心電図の最適走査面を求める2人の被験者(経験者1名, 非臨床医1名)による実験実験である。 超音波画像フレーム,テクスチャ画像の時系列,四元数を分析し,臨床医が非臨床医の長期的・非定常的動作と比較して,より迅速かつスムーズな方法で手術を行った。 今後の研究のために,ロボット超音波誘導法におけるリアルタイム応用のためのプルーニングニューラルネットワークモデルの必要性を指摘した。 この作業を再現するリソースは \url{https://github.com/mxochicale/rami-icra2023} にある。

関連論文リスト

• 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)
• 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)
• 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)
• Global Multi-modal 2D/3D Registration via Local Descriptors Learning [0.3299877799532224]
  本稿では,術前画像への超音波スイープの登録問題に対する新しいアプローチを提案する。 我々は、密度の高いキーポイント記述子を学び、そこから登録を見積もる。 本手法は, MRボリュームと超音波シーケンスを併用した臨床データセットを用いて評価した。
  論文  参考訳（メタデータ） (2022-05-06T18:24:19Z)
• 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)
• Learning Robotic Ultrasound Scanning Skills via Human Demonstrations and Guided Explorations [12.894853456160924]
  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。
  論文  参考訳（メタデータ） (2021-11-02T14:38:09Z)
• 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)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)

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。