論文の概要: Investigating Robot Control Policy Learning for Autonomous X-ray-guided Spine Procedures

• arxiv url: http://arxiv.org/abs/2511.03882v1
• Date: Wed, 05 Nov 2025 22:00:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.226549
• Title: Investigating Robot Control Policy Learning for Autonomous X-ray-guided Spine Procedures
• Title（参考訳）: 自律的X線誘導脊椎手術におけるロボット制御政策学習の検討
• Authors: Florence Klitzner, Blanca Inigo, Benjamin D. Killeen, Lalithkumar Seenivasan, Michelle Song, Axel Krieger, Mathias Unberath,
• Abstract要約: 我々は、X線誘導脊椎手術のスケーラブルで自動化されたシミュレーションのためのインサイリコサンドボックスを開発した。 我々は、視覚情報のみに基づいてカンヌラを反復的に整列させる、計画とオープンループ制御のための模倣学習ポリシーを訓練する。 我々の方針は68.5%の症例で最初の試みに成功し、様々な脊椎レベルにわたる安全な椎体内軌跡を維持した。
• 参考スコア（独自算出の注目度）: 6.266185092313569
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Imitation learning-based robot control policies are enjoying renewed interest in video-based robotics. However, it remains unclear whether this approach applies to X-ray-guided procedures, such as spine instrumentation. This is because interpretation of multi-view X-rays is complex. We examine opportunities and challenges for imitation policy learning in bi-plane-guided cannula insertion. We develop an in silico sandbox for scalable, automated simulation of X-ray-guided spine procedures with a high degree of realism. We curate a dataset of correct trajectories and corresponding bi-planar X-ray sequences that emulate the stepwise alignment of providers. We then train imitation learning policies for planning and open-loop control that iteratively align a cannula solely based on visual information. This precisely controlled setup offers insights into limitations and capabilities of this method. Our policy succeeded on the first attempt in 68.5% of cases, maintaining safe intra-pedicular trajectories across diverse vertebral levels. The policy generalized to complex anatomy, including fractures, and remained robust to varied initializations. Rollouts on real bi-planar X-rays further suggest that the model can produce plausible trajectories, despite training exclusively in simulation. While these preliminary results are promising, we also identify limitations, especially in entry point precision. Full closed-look control will require additional considerations around how to provide sufficiently frequent feedback. With more robust priors and domain knowledge, such models may provide a foundation for future efforts toward lightweight and CT-free robotic intra-operative spinal navigation.
• Abstract（参考訳）: 模倣学習に基づくロボット制御ポリシーは、ビデオベースのロボティクスに新たな関心を集めている。 しかし、この手法が脊柱管楽器のようなX線誘導法に適用されるかどうかは不明である。 これは多視点X線の解釈が複雑であるからである。 両面誘導型カンヌラ挿入における模擬政策学習の機会と課題について検討する。 我々は,高次現実性を有するX線誘導脊椎手術のスケーラブルで自動化されたシミュレーションのためのインサイリコサンドボックスを開発した。 我々は、適切な軌道と対応する平面X線シーケンスのデータセットをキュレートし、プロバイダの段階的アライメントをエミュレートする。 次に、視覚情報のみに基づいてカンヌラを反復的に整列させる、計画とオープンループ制御のための模倣学習ポリシーを訓練する。 この正確に制御されたセットアップは、このメソッドの制限と能力に関する洞察を提供する。 我々の方針は68.5%の症例で最初の試みに成功し、様々な脊椎レベルにわたる安全な椎体内軌跡を維持した。 この方針は、骨折を含む複雑な解剖学に一般化され、様々な初期化に頑健なままであった。 実際の平面X線でのロールアウトは、シミュレーションのみの訓練にもかかわらず、モデルが可塑性軌道を生成できることをさらに示唆している。 これらの予備結果は有望であるが、特にエントリーポイント精度の限界も特定できる。 完全なクローズドルックコントロールには、十分な頻繁なフィードバックを提供する方法に関する追加の考慮が必要である。 より堅牢な事前知識とドメイン知識により、これらのモデルは、軽量でCTを含まないロボットの術中ナビゲーションに向けた将来の取り組みの基盤となる可能性がある。

関連論文リスト

• PolyPose: Deformable 2D/3D Registration via Polyrigid Transformations [11.712566262400285]
  変形可能な2D/3D登録のためのシンプルでロバストな方法であるPolyPoseを提案する。 PolyPoseは複雑な3次元変形場を剛体変換の合成としてパラメータ化する。 この強い誘導バイアスにより,PolyPoseは患者の術前容積を2つのX線に合わせることができた。
  論文  参考訳（メタデータ） (2025-05-25T18:24:18Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation [0.0]
  循環器疾患の治療にはガイドワイヤとカテーテルの複雑で困難なナビゲーションが必要である。 これは、患者と臨床医がX線に曝される長い介入につながることが多い。 深層強化学習アプローチは、このタスクを学習する上で有望であり、ロボットによる介入の間、カテーテルナビゲーションを自動化する鍵となる可能性がある。
  論文  参考訳（メタデータ） (2024-03-05T08:46:54Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• 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)
• Training and Evaluation of Deep Policies using Reinforcement Learning and Generative Models [67.78935378952146]
  GenRLはシーケンシャルな意思決定問題を解決するためのフレームワークである。 強化学習と潜在変数生成モデルの組み合わせを利用する。 最終方針訓練の性能に最も影響を与える生成モデルの特徴を実験的に決定する。
  論文  参考訳（メタデータ） (2022-04-18T22:02:32Z)
• Pristine annotations-based multi-modal trained artificial intelligence solution to triage chest X-ray for COVID-19 [1.1764495014312295]
  新型コロナウイルス(COVID-19)のパンデミックが拡大し続け、世界の人口の豊かさに影響を及ぼしている。 CT (Computed tomography) やX線といった最前線のモダリティは、新型コロナウイルス患者をトリアージする上で重要な役割を担っている。 資源(ハードウェアと訓練員の両方)の限られたアクセスと汚染対策を考えると、CTは疑わしい被験者をトリアージするのに理想的ではないかもしれない。
  論文  参考訳（メタデータ） (2020-11-10T15:36:08Z)
• Evaluating the Clinical Realism of Synthetic Chest X-Rays Generated Using Progressively Growing GANs [0.0]
  胸部X線は多くの患者のワークアップに欠かせない道具である。 新たな診断ツールを開発するためには,ラベル付きデータの量を増やす必要がある。 これまでの研究は、イメージを合成してトレーニングデータを増強するクラス固有のGANを作成することで、これらの問題に対処しようとしてきた。
  論文  参考訳（メタデータ） (2020-10-07T11:47:22Z)

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。