論文の概要: A Mixed Reality System for Robust Manikin Localization in Childbirth Training

• arxiv url: http://arxiv.org/abs/2602.05588v1
• Date: Thu, 05 Feb 2026 12:17:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.918598
• Title: A Mixed Reality System for Robust Manikin Localization in Childbirth Training
• Title（参考訳）: 出産訓練におけるロバストマニキン局所化のための混合現実感システム
• Authors: Haojie Cheng, Chang Liu, Abhiram Kanneganti, Mahesh Arjandas Choolani, Arundhati Tushar Gosavi, Eng Tat Khoo,
• Abstract要約: 本研究では,仮想指導と触覚的マニキンインタラクションを組み合わせた,出産訓練のためのMRシステムを提案する。 このシステムは、外部RGB-Dカメラを空間的に調整することで、商用ヘッドマウントディスプレイ(HMD)のパススルー機能を拡張する。 その後,83人の医学生を対象とした大規模ユーザスタディを行い,MRベースとVRベースの出産訓練を比較した。
• 参考スコア（独自算出の注目度）: 3.6037109860836556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Opportunities for medical students to gain practical experience in vaginal births are increasingly constrained by shortened clinical rotations, patient reluctance, and the unpredictable nature of labour. To alleviate clinicians' instructional burden and enhance trainees' learning efficiency, we introduce a mixed reality (MR) system for childbirth training that combines virtual guidance with tactile manikin interaction, thereby preserving authentic haptic feedback while enabling independent practice without continuous on-site expert supervision. The system extends the passthrough capability of commercial head-mounted displays (HMDs) by spatially calibrating an external RGB-D camera, allowing real-time visual integration of physical training objects. Building on this capability, we implement a coarse-to-fine localization pipeline that first aligns the maternal manikin with fiducial markers to define a delivery region and then registers the pre-scanned neonatal head within this area. This process enables spatially accurate overlay of virtual guiding hands near the manikin, allowing trainees to follow expert trajectories reinforced by haptic interaction. Experimental evaluations demonstrate that the system achieves accurate and stable manikin localization on a standalone headset, ensuring practical deployment without external computing resources. A large-scale user study involving 83 fourth-year medical students was subsequently conducted to compare MR-based and virtual reality (VR)-based childbirth training. Four senior obstetricians independently assessed performance using standardized criteria. Results showed that MR training achieved significantly higher scores in delivery, post-delivery, and overall task performance, and was consistently preferred by trainees over VR training.
• Abstract（参考訳）: 産婦人科学生の産婦人科における実践的経験を得る機会は、臨床のローテーションの短縮、患者の反省、労働の予測不可能な性質によってますます制限される。 臨床医の指導負担を軽減し,研修生の学習効率を高めるために,仮想指導と触覚的マニキン相互作用を組み合わせたMRシステムを導入する。 このシステムは、外部のRGB-Dカメラを空間的に調整することで、商用ヘッドマウントディスプレイ(HMD)のパススルー機能を拡張し、物理的なトレーニングオブジェクトをリアルタイムに視覚的に統合することを可能にする。 この能力に基づいて、我々はまず母性マニキンとフィデューシャルマーカーを整列させてデリバリー領域を定義し、その後、この領域に予めスキャンされた新生児頭部を登録する粗大な局所化パイプラインを実装した。 このプロセスにより、仮想ガイドハンドをマニキン付近で空間的に正確にオーバーレイすることが可能となり、訓練生は触覚的相互作用によって強化された専門家の軌跡に従うことができる。 実験により,本システムはスタンドアロンのヘッドセット上での高精度で安定したマニキン位置決めを実現し,外部の計算資源を使わずに実用的な展開を実現する。 その後,83人の医学生を対象とした大規模ユーザスタディを行い,MRベースとVRベースの出産訓練を比較した。 4人の上級産婦人科医が標準化基準を用いて個別にパフォーマンスを評価した。 その結果, MRトレーニングは, 納品後, 納品後, 作業成績において有意に高いスコアを達成し, 常にVRトレーニングよりも訓練者が好んだ。

関連論文リスト

• A Voice-Enabled Virtual Patient System for Interactive Training in Standardized Clinical Assessment [0.0]
  大規模言語モデル(LLM)を利用した音声対応仮想患者シミュレーションシステムを提案する。 本研究は, 本システムの発展を概説し, 既定の臨床像に固執する仮想患者を創出する能力を検証した。 以上の結果から, LLMを用いた仮想患者シミュレーションは, 臨床医の教育に有効かつスケーラブルなツールであることが示唆された。
  論文  参考訳（メタデータ） (2025-11-01T21:18:08Z)
• CLiVR: Conversational Learning System in Virtual Reality with AI-Powered Patients [0.0]
  CLiVRは、大きな言語モデル、音声処理、および3Dアバターを統合する、仮想現実における会話学習システムである。 Unityで開発され、Meta Quest 3プラットフォームにデプロイされたCliVRは、トレーニング担当者が仮想患者と自然な対話を行うことを可能にする。
  論文  参考訳（メタデータ） (2025-10-21T19:19:55Z)
• Setup-Invariant Augmented Reality for Teaching by Demonstration with Surgical Robots [49.26692555627371]
  本稿では,dV-STEARというオープンソースのシステムについて紹介する。 dV-STEARは腹腔鏡下手術の基本課題の初級成績を有意に改善した。 両課題とも,dV-STEARを用いた被験者では,手指使用のバランスが有意に改善し,フラストレーションの低下が報告された。
  論文  参考訳（メタデータ） (2025-04-09T08:34:25Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Assessment and treatment of visuospatial neglect using active learning with Gaussian processes regression [0.3262230127283452]
  視空間無視は、空間と参照フレームの領域に位置する視覚刺激に対する認識障害によって特徴づけられる障害である。 本稿では,患者の空間的無視を三次元的に正確に評価する人工知能ソリューションを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:18:32Z)
• RL-Based Guidance in Outpatient Hysteroscopy Training: A Feasibility Study [4.614579113754949]
  本研究は, 外来内視鏡トレーニングのためのRLをベースとした薬剤である。 近年の進歩により麻酔を伴わない外来での介入が可能となった。 患者に有益であると同時に、患者が快適な状態を維持し、組織損傷を予防するための新たな対策を講ずるために、臨床医に新たな課題がもたらされる。
  論文  参考訳（メタデータ） (2022-11-26T11:16:17Z)
• Automated Fidelity Assessment for Strategy Training in Inpatient Rehabilitation using Natural Language Processing [53.096237570992294]
  戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。 標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。 本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
  論文  参考訳（メタデータ） (2022-09-14T15:33:30Z)
• Learning Personal Representations from fMRIby Predicting Neurofeedback Performance [52.77024349608834]
  機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
  論文  参考訳（メタデータ） (2021-12-06T10:16:54Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)

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。