論文の概要: Toward Zero-Shot Learning for Visual Dehazing of Urological Surgical Robots
- arxiv url: http://arxiv.org/abs/2410.01395v1
- Date: Wed, 2 Oct 2024 10:16:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 21:19:25.821943
- Title: Toward Zero-Shot Learning for Visual Dehazing of Urological Surgical Robots
- Title（参考訳）: 外科手術ロボットの視覚的脱ハージングのためのゼロショット学習に向けて
- Authors: Renkai Wu, Xianjin Wang, Pengchen Liang, Zhenyu Zhang, Qing Chang, Hao Tang,
- Abstract要約: 尿道下尿道外科ロボットでは、液体環境で働く必要がある。
これにより、せん断加熱時に液体が蒸発し、泡の微粒化が起こる。
外科手術用ロボットビジョンのための教師なしゼロショット脱ヘイズ法(RSF-Dehaze)を提案する。
- 参考スコア（独自算出の注目度）: 10.797307519651405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robot-assisted surgery has profoundly influenced current forms of minimally invasive surgery. However, in transurethral suburethral urological surgical robots, they need to work in a liquid environment. This causes vaporization of the liquid when shearing and heating is performed, resulting in bubble atomization that affects the visual perception of the robot. This can lead to the need for uninterrupted pauses in the surgical procedure, which makes the surgery take longer. To address the atomization characteristics of liquids under urological surgical robotic vision, we propose an unsupervised zero-shot dehaze method (RSF-Dehaze) for urological surgical robotic vision. Specifically, the proposed Region Similarity Filling Module (RSFM) of RSF-Dehaze significantly improves the recovery of blurred region tissues. In addition, we organize and propose a dehaze dataset for robotic vision in urological surgery (USRobot-Dehaze dataset). In particular, this dataset contains the three most common urological surgical robot operation scenarios. To the best of our knowledge, we are the first to organize and propose a publicly available dehaze dataset for urological surgical robot vision. The proposed RSF-Dehaze proves the effectiveness of our method in three urological surgical robot operation scenarios with extensive comparative experiments with 20 most classical and advanced dehazing and image recovery algorithms. The proposed source code and dataset are available at https://github.com/wurenkai/RSF-Dehaze .
- Abstract（参考訳）: ロボット支援手術は、現在行われている最小侵襲手術の形式に大きな影響を与えている。
しかし、尿道下尿道手術ロボットでは、液体環境で働く必要がある。
これにより、せん断加熱時に液体が蒸発し、ロボットの視覚的知覚に影響を与える泡の微粒化が発生する。
これにより、外科手術の中断を中断する必要が生じ、手術が長引くことになる。
手術ロボット視下での液体の微粒化特性に対処するために, 教師なしゼロショット脱灰法(RSF-Dehaze)を提案する。
具体的には, RSF-Dehaze の領域類似性充填モジュール (RSFM) は, ぼやけた部位組織の回復を著しく改善する。
さらに, 子宮外科手術におけるロボットビジョンのための脱湿データセット (USRobot-Dehaze データセット) の編成と提案を行った。
特に、このデータセットは、最も一般的な3つの手術ロボット手術シナリオを含んでいる。
我々の知識を最大限に活用するために、私たちは初めて、オーロジカルなロボットビジョンのための公開の脱湿データセットを組織し、提案しました。
提案したRCF-Dehazeは, 従来型および先進型20種類の脱ハージングおよび画像回復アルゴリズムを用いて, 大規模な比較実験を行った3つの手術ロボット手術シナリオにおいて, 本手法の有効性を実証した。
提案されたソースコードとデータセットはhttps://github.com/wurenkai/RSF-Dehaze で公開されている。
関連論文リスト
- Creating a Digital Twin of Spinal Surgery: A Proof of Concept [68.37190859183663]
手術デジタル化は、現実世界の手術の仮想レプリカを作成するプロセスである。
脊椎外科手術に応用した手術デジタル化のための概念実証(PoC)を提案する。
5台のRGB-Dカメラを外科医の動的3D再構成に、ハイエンドカメラを解剖学の3D再構成に、赤外線ステレオカメラを手術器具追跡に、レーザースキャナーを手術室の3D再構成とデータ融合に使用した。
論文 参考訳（メタデータ） (2024-03-25T13:09:40Z) - 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) - SAMSNeRF: Segment Anything Model (SAM) Guides Dynamic Surgical Scene
Reconstruction by Neural Radiance Field (NeRF) [4.740415113160021]
本稿では,Segment Anything Model(SAM)とNeRF技術を組み合わせたSAMSNeRFという新しい手法を提案する。
内視鏡下外科的画像を用いた実験の結果,高忠実度ダイナミックな手術シーンの再構築に成功していることが示された。
論文 参考訳（メタデータ） (2023-08-22T20:31:00Z) - Demonstration-Guided Reinforcement Learning with Efficient Exploration
for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。
本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。
総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-02-20T05:38:54Z) - Collaborative Robotic Ultrasound Tissue Scanning for Surgical Resection
Guidance in Neurosurgery [1.372026330898297]
本研究の目的は、自律型iUS組織スキャンのためのロボットプラットフォームを導入することである。
提案プラットフォームの重要な応用は、腫瘍切除をガイドする脳組織のスキャンである。
論文 参考訳（メタデータ） (2023-01-19T17:05:07Z) - 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) - CholecTriplet2021: A benchmark challenge for surgical action triplet
recognition [66.51610049869393]
腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。
課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。
4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
論文 参考訳（メタデータ） (2022-04-10T18:51:55Z) - Integrating Artificial Intelligence and Augmented Reality in Robotic
Surgery: An Initial dVRK Study Using a Surgical Education Scenario [15.863254207155835]
我々は,人工知能の手術モジュールと拡張現実の可視化を統合した新しいロボット外科教育システムを開発した。
本システムは,外科教育課題ペグトランスファーの予備実験を通じて評価する。
論文 参考訳（メタデータ） (2022-01-02T17:34:10Z) - 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)
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。