論文の概要: Deep-Learning-Based Control of a Decoupled Two-Segment Continuum Robot for Endoscopic Submucosal Dissection

• arxiv url: http://arxiv.org/abs/2602.03406v1
• Date: Tue, 03 Feb 2026 11:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.133732
• Title: Deep-Learning-Based Control of a Decoupled Two-Segment Continuum Robot for Endoscopic Submucosal Dissection
• Title（参考訳）: 内視鏡下粘膜下郭清のための分離型2段連続ロボットの深層学習による制御
• Authors: Yuancheng Shao, Yao Zhang, Jia Gu, Zixi Chen, Di Wu, Yuqiao Chen, Bo Lu, Wenjie Liu, Cesare Stefanini, Peng Qi,
• Abstract要約: DESectBotは、分離された構造と統合された外科用シロップを備えた、新しい二重セグメント連続ロボットである。 チップ位置と方向制御を同時に行うための繰り返し単位(GRU)に基づくディープラーニングコントローラを提案する。 ペグ転送タスクにおいて、GRUは平均転送時間11.8秒で100%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 18.275311106852424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manual endoscopic submucosal dissection (ESD) is technically demanding, and existing single-segment robotic tools offer limited dexterity. These limitations motivate the development of more advanced solutions. To address this, DESectBot, a novel dual segment continuum robot with a decoupled structure and integrated surgical forceps, enabling 6 degrees of freedom (DoFs) tip dexterity for improved lesion targeting in ESD, was developed in this work. Deep learning controllers based on gated recurrent units (GRUs) for simultaneous tip position and orientation control, effectively handling the nonlinear coupling between continuum segments, were proposed. The GRU controller was benchmarked against Jacobian based inverse kinematics, model predictive control (MPC), a feedforward neural network (FNN), and a long short-term memory (LSTM) network. In nested-rectangle and Lissajous trajectory tracking tasks, the GRU achieved the lowest position/orientation RMSEs: 1.11 mm/ 4.62° and 0.81 mm/ 2.59°, respectively. For orientation control at a fixed position (four target poses), the GRU attained a mean RMSE of 0.14 mm and 0.72°, outperforming all alternatives. In a peg transfer task, the GRU achieved a 100% success rate (120 success/120 attempts) with an average transfer time of 11.8s, the STD significantly outperforms novice-controlled systems. Additionally, an ex vivo ESD demonstration grasping, elevating, and resecting tissue as the scalpel completed the cut confirmed that DESectBot provides sufficient stiffness to divide thick gastric mucosa and an operative workspace adequate for large lesions.These results confirm that GRU-based control significantly enhances precision, reliability, and usability in ESD surgical training scenarios.
• Abstract（参考訳）: 手関節鏡下粘膜下解離(ESD)は技術的に要求されている。 これらの制限は、より高度なソリューションの開発を動機付けている。 この問題を解決するために、DreSectBotは、分離された構造と統合された外科用シロップを備えた新しい二重セグメント連続ロボットで、EDDの病変を標的とした6自由度(DoFs)の先端デキスタリティを実現している。 連続体セグメント間の非線形結合を効果的に扱える同時先端位置と方向制御のためのゲートリカレントユニット(GRU)に基づくディープラーニングコントローラを提案する。 GRUコントローラは、ヤコビアンベースの逆運動学、モデル予測制御(MPC)、フィードフォワードニューラルネットワーク(FNN)、長期記憶(LSTM)ネットワークに対してベンチマークされた。 ネスト長方形とリッサホス軌道追跡タスクでは、GRUはそれぞれ1.11 mm/4.62°と0.81 mm/2.59°という最低位置/向きのRMSEを達成した。 固定位置(4つのターゲットポーズ)での配向制御では、GRUは平均RMSEが0.14mm、0.72°に達し、全ての代替よりも優れていた。 ペグ転送タスクでは、GRUは100%の成功率(120成功/120試行)を平均転送時間11.8秒で達成し、STDは初心者制御システムを大幅に上回った。 さらに,DeSectBotは胃粘膜の厚みと大病変に十分な作業空間を分割するのに十分な剛性を有しており,GRUをベースとしたコントロールは,ESD手術シナリオの精度,信頼性,使用性を著しく向上させることを確認した。

関連論文リスト

• Modeling and Control of a Pneumatic Soft Robotic Catheter Using Neural Koopman Operators [3.2642164905437503]
  ソフトなロボットカテーテルシステムを構築するために,ニューラルネットワークで強化されたクープマン演算子フレームワークを提案する。 心房アブレーションにおけるX線透視における放射線被曝の最小化の必要性から,オープンループ制御戦略について検討した。 提案手法は平均誤差が2.1 +- 0.4 mm、方向が4.9 +- 0.6 である。
  論文  参考訳（メタデータ） (2026-03-04T14:36:22Z)
• Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
  ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。 リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。 本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:54:37Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• CoPESD: A Multi-Level Surgical Motion Dataset for Training Large Vision-Language Models to Co-Pilot Endoscopic Submucosal Dissection [41.51336459978475]
  我々は,多段階の手術用運動データセット(CoPESD)を導入し,LVLM(Large Visual-Language Models)をtextbfEndoscopic textbfSubmucosal textbfDissectionのロボットtextbfCo-textbfPilotとして導入した。 CoPESDには17,679枚の画像と32,699個のバウンディングボックスと88,395個のマルチレベルモーションが含まれており、35時間以上のESDビデオがロボット支援と従来の手術の両方に使われている。
  論文  参考訳（メタデータ） (2024-10-10T02:22:09Z)
• A Master-Follower Teleoperation System for Robotic Catheterization: Design, Characterization, and Tracking Control [1.0470286407954037]
  本稿では,ロボットカテーテル化のための3自由度マスターフォロワ遠隔操作システムの設計と開発について述べる。 臨床医の手による介入と似ており、手術中にカテーテル座屈やねじれを除去するグリップインサート放出機構を備えている。 システムの性能は、典型的な円形、無限大のような、スパイラルな経路上での接近経路と開ループ経路の追跡によって評価される。
  論文  参考訳（メタデータ） (2024-07-18T05:06:48Z)
• Hysteresis Compensation of Flexible Continuum Manipulator using RGBD Sensing and Temporal Convolutional Network [2.387821008001523]
  ケーブル駆動マニピュレータは、摩擦、伸縮、結合などのキャブリング効果によって制御困難に直面している。 本稿では、ディープニューラルネットワーク(DNN)に基づくデータ駆動型アプローチを提案し、これらの非線形および過去の状態依存特性を捉える。 この手法を実際の手術シナリオに適用することで、制御精度を高め、手術性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-17T16:20:59Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)

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。