論文の概要: A Cranial-Feature-Based Registration Scheme for Robotic Micromanipulation Using a Microscopic Stereo Camera System

• arxiv url: http://arxiv.org/abs/2410.18630v1
• Date: Thu, 24 Oct 2024 10:40:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 16:43:24.991431
• Title: A Cranial-Feature-Based Registration Scheme for Robotic Micromanipulation Using a Microscopic Stereo Camera System
• Title（参考訳）: マイクロステレオカメラシステムを用いたロボットマイクロマニピュレーションのための脳機能ベースレジストレーション方式
• Authors: Xiaofeng Lin, Saúl Alexis Heredia Pérez, Kanako Harada,
• Abstract要約: 深度知覚の線形モデルにより強化された顕微鏡ステレオカメラシステム(MSCS)を導入する。 部分的に露出したマウス頭蓋表面に対して、CNNに基づく制約付きカラー化登録戦略を用いて正確な登録方式を開発する。 これらの方法は、ロボットマイクロマニピュレーションタスクのためのMSCSと統合されている。
• 参考スコア（独自算出の注目度）: 3.931620400433609
• License:
• Abstract: Biological specimens exhibit significant variations in size and shape, challenging autonomous robotic manipulation. We focus on the mouse skull window creation task to illustrate these challenges. The study introduces a microscopic stereo camera system (MSCS) enhanced by the linear model for depth perception. Alongside this, a precise registration scheme is developed for the partially exposed mouse cranial surface, employing a CNN-based constrained and colorized registration strategy. These methods are integrated with the MSCS for robotic micromanipulation tasks. The MSCS demonstrated a high precision of 0.10 mm $\pm$ 0.02 mm measured in a step height experiment and real-time performance of 30 FPS in 3D reconstruction. The registration scheme proved its precision, with a translational error of 1.13 mm $\pm$ 0.31 mm and a rotational error of 3.38$^{\circ}$ $\pm$ 0.89$^{\circ}$ tested on 105 continuous frames with an average speed of 1.60 FPS. This study presents the application of a MSCS and a novel registration scheme in enhancing the precision and accuracy of robotic micromanipulation in scientific and surgical settings. The innovations presented here offer automation methodology in handling the challenges of microscopic manipulation, paving the way for more accurate, efficient, and less invasive procedures in various fields of microsurgery and scientific research.
• Abstract（参考訳）: 生物学的標本は大きさと形状に大きな変化を示し、自律的なロボット操作に挑戦する。 これらの課題を説明するために,マウス頭蓋骨ウィンドウ作成タスクに注目した。 深度知覚の線形モデルにより強化された顕微鏡ステレオカメラシステム(MSCS)を導入する。 これと並行して、CNNに基づく制約付きカラー化された登録戦略を用いて、部分的に露出したマウス頭蓋表面の正確な登録方式を開発した。 これらの方法は、ロボットマイクロマニピュレーションタスクのためのMSCSと統合されている。 MSCSはステップハイト実験で測定した0.10 mm $\pm$0.02 mmの高精度で、3D再構成で30 FPSのリアルタイム性能を示した。 登録方式は精度を証明し、翻訳誤差は1.13 mm $\pm$ 0.31 mm、回転誤差は3.38$^{\circ}$$$\pm$ 0.89$^{\circ}$は平均速度1.60 FPSの105フレームでテストされた。 本研究は, 理学・外科領域におけるロボットマイクロマニピュレーションの精度と精度向上にMSCSと新規登録方式を応用したものである。 ここで提示されたイノベーションは、顕微鏡操作の課題に対処する自動化手法を提供し、様々な分野のマイクロ外科や科学研究において、より正確で効率的で侵襲性の低い手順を練る。

関連論文リスト

• Robotic Arm Platform for Multi-View Image Acquisition and 3D Reconstruction in Minimally Invasive Surgery [40.55055153469741]
  本研究は,低侵襲手術環境下でのマルチビュー画像の効率的な取得と高精度な3次元再構成を実現するロボットアームプラットフォームを提案する。 我々は,腹腔鏡をロボットアームに装着し,様々な照明条件で複数の卵巣器官の生検画像を撮影した。 我々は最近リリースされた学習ベースの特徴マッチングとCOLMAPを併用して再構築を行った。
  論文  参考訳（メタデータ） (2024-10-15T15:42:30Z)
• Enhancing Precision in Tactile Internet-Enabled Remote Robotic Surgery: Kalman Filter Approach [0.0]
  本稿では,計算効率の良い位置推定法としてカルマンフィルタ(KF)を提案する。 この研究は、ロボットアームシステムの力学系モデルに関する事前の知識も想定していない。 シミュレーションネットワーク条件下での患者側マニピュレータ(PSM)の位置決定におけるKFの有効性について検討した。
  論文  参考訳（メタデータ） (2024-06-06T20:56:53Z)
• Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [66.74633676595889]
  静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。 第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。 第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
  論文  参考訳（メタデータ） (2023-05-05T13:42:19Z)
• 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)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Fast Autofocusing using Tiny Networks for Digital Holographic Microscopy [0.5057148335041798]
  自己焦点を回帰問題としてキャストするために, ディープラーニング(DL)法を提案し, 実験および模擬ホログラム上で実験を行った。 実験により、予測焦点距離$Z_RmathrmPred$は精度1.2$mu$mで正確に推定されることが示された。 モデルは、推論毎に25ミリ秒未満の、CPU上のアート推論時間の状態に達する。
  論文  参考訳（メタデータ） (2022-03-15T10:52:58Z)
• 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)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Efficiently Calibrating Cable-Driven Surgical Robots with RGBD Fiducial Sensing and Recurrent Neural Networks [26.250886014613762]
  そこで本研究では,RGBDセンサを用いて3次元プリントされたフィデューシャル座標フレームをアームとエンドエフェクタに配置することで,ロボットを効率的に校正する手法を提案する。 提案手法では,1800サンプルのデータ収集に31分,モデルトレーニングに1分を要した。 基準軌道の試験セットの結果から、トレーニングされたモデルは、物理ロボットの平均追尾誤差を2.96mmから0.65mmに減少させることができることが示唆された。
  論文  参考訳（メタデータ） (2020-03-19T00:24:56Z)
• Limited Angle Tomography for Transmission X-Ray Microscopy Using Deep Learning [12.991428974915795]
  深層学習は、X線顕微鏡で初めて限られた角度再構成に適用される。 バイオメディカルイメージングにおける最先端のニューラルネットワークであるU-Netは、合成データからトレーニングされている。 提案法は, クロレラ細胞における細胞内構造の3次元可視化を著しく改善する。
  論文  参考訳（メタデータ） (2020-01-08T12:11:19Z)

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。