論文の概要: Microsurgical Instrument Segmentation for Robot-Assisted Surgery

• arxiv url: http://arxiv.org/abs/2509.11727v1
• Date: Mon, 15 Sep 2025 09:29:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.218741
• Title: Microsurgical Instrument Segmentation for Robot-Assisted Surgery
• Title（参考訳）: ロボット支援手術におけるマイクロサージカル・インスツルメンツ・セグメンテーション
• Authors: Tae Kyeong Jeong, Garam Kim, Juyoun Park,
• Abstract要約: 本稿では,RGB入力を輝度チャネルで拡張するセグメンテーションフレームワークを提案する。 MISRAは競合する手法よりも平均クラスIoUを5.37%向上させる。 これらの結果から,MISRAはコンピュータ支援・ロボットマイクロ手術における信頼性の高いシーン解析に向けた有望なステップと位置づけられた。
• 参考スコア（独自算出の注目度）: 3.880707330499936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate segmentation of thin structures is critical for microsurgical scene understanding but remains challenging due to resolution loss, low contrast, and class imbalance. We propose Microsurgery Instrument Segmentation for Robotic Assistance(MISRA), a segmentation framework that augments RGB input with luminance channels, integrates skip attention to preserve elongated features, and employs an Iterative Feedback Module(IFM) for continuity restoration across multiple passes. In addition, we introduce a dedicated microsurgical dataset with fine-grained annotations of surgical instruments including thin objects, providing a benchmark for robust evaluation Dataset available at https://huggingface.co/datasets/KIST-HARILAB/MISAW-Seg. Experiments demonstrate that MISRA achieves competitive performance, improving the mean class IoU by 5.37% over competing methods, while delivering more stable predictions at instrument contacts and overlaps. These results position MISRA as a promising step toward reliable scene parsing for computer-assisted and robotic microsurgery.
• Abstract（参考訳）: 細い構造の正確なセグメンテーションは、マイクロサージカルシーンの理解には不可欠であるが、解像度損失、低コントラスト、クラス不均衡のため、依然として困難である。 ロボット支援のためのマイクロサージェリー・インスツルメンツ・セグメンテーション(MISRA)を提案する。このセグメンテーションフレームワークは、RGB入力を輝度チャネルで拡張し、細長い特徴を保存するためにスキップアテンションを統合し、反復フィードバックモジュール(IFM)を用いて複数のパスをまたいだ連続性回復を行う。 さらに,手術器具の微細なアノテーションを細いオブジェクトを含む専用マイクロサージカルデータセットを導入し, https://huggingface.co/datasets/KIST-HARILAB/MISAW-Segで利用可能なロバストな評価データセットのベンチマークを提供する。 MISRAは競合する手法よりも平均クラスIoUを5.37%改善し、機器の接触や重なり具合をより安定的に予測できることを示した。 これらの結果から,MISRAはコンピュータ支援・ロボットマイクロ手術における信頼性の高いシーン解析に向けた有望なステップと位置づけられた。

関連論文リスト

• Comparative validation of surgical phase recognition, instrument keypoint estimation, and instrument instance segmentation in endoscopy: Results of the PhaKIR 2024 challenge [27.48982385201173]
  3つの医療機関から収集した腹腔鏡下胆嚢摘出術13例からなる新しいデータセットについて紹介した。 既存のデータセットとは異なり、同じデータ内の機器の局所化と手続き的コンテキストを共同で調べることができる。 バイオメディカル画像解析の課題に対するBIASガイドラインに従って,結果と知見を報告する。
  論文  参考訳（メタデータ） (2025-07-22T13:10:42Z)
• MedSAM-CA: A CNN-Augmented ViT with Attention-Enhanced Multi-Scale Fusion for Medical Image Segmentation [10.36607107686106]
  アーキテクチャレベルの微調整手法であるMedSAM-CAを提案する。 皮膚内視鏡のデータセットでは、MedSAM-CAは全トレーニングデータのわずか2%で94.43%のDiceを達成し、全データトレーニングパフォーマンスの97.25%に達した。
  論文  参考訳（メタデータ） (2025-06-30T10:24:29Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• ICH-SCNet: Intracerebral Hemorrhage Segmentation and Prognosis Classification Network Using CLIP-guided SAM mechanism [12.469269425813607]
  脳内出血 (ICH) は脳卒中で最も致命的なサブタイプであり, 障害の発生頻度が高いことが特徴である。 既存のアプローチでは、これらの2つのタスクを独立して処理し、主にデータのみにフォーカスする。 本稿では,ICHセグメンテーションと予後分類の両方のために設計されたマルチタスクネットワークICH-SCNetを提案する。
  論文  参考訳（メタデータ） (2024-11-07T12:34:25Z)
• Amodal Segmentation for Laparoscopic Surgery Video Instruments [30.39518393494816]
  医療分野における手術器具の領域にAmodalVisを導入する。 このテクニックは、オブジェクトの可視部と隠蔽部の両方を識別する。 これを実現するために,新しいAmoal Instrumentsデータセットを導入する。
  論文  参考訳（メタデータ） (2024-08-02T07:40:34Z)
• 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)
• Learning Multiscale Consistency for Self-supervised Electron Microscopy Instance Segmentation [48.267001230607306]
  本稿では,EMボリュームのマルチスケール一貫性を高める事前学習フレームワークを提案する。 当社のアプローチでは,強力なデータ拡張と弱いデータ拡張を統合することで,Siameseネットワークアーキテクチャを活用している。 効果的にボクセルと機能の一貫性をキャプチャし、EM分析のための転送可能な表現を学習する。
  論文  参考訳（メタデータ） (2023-08-19T05:49:13Z)
• Assessing YOLACT++ for real time and robust instance segmentation of medical instruments in endoscopic procedures [0.5735035463793008]
  腹腔鏡下器具の画像ベースの追跡は、コンピュータおよびロボット支援手術において基本的な役割を果たす。 これまで、医療機器のセグメンテーションなどの既存のモデルは、ほとんどが2段階の検出器に基づいている。 楽器のリアルタイムインスタンスセグメンテーションを可能にするYOLACTアーキテクチャへの注意メカニズムの追加を提案する。
  論文  参考訳（メタデータ） (2021-03-30T00:09:55Z)

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。