論文の概要: Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration

• arxiv url: http://arxiv.org/abs/2602.14287v1
• Date: Sun, 15 Feb 2026 19:37:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.479434
• Title: Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration
• Title（参考訳）: エルゴディック探査による自律型ロボット組織触診と異常特徴化
• Authors: Luca Beber, Edoardo Lamon, Matteo Saveriano, Daniele Fontanelli, Luigi Palopoli,
• Abstract要約: 粘弾性組織モデルを用いた組織探索におけるリアルタイム弾性マッピングのための新しい自律型ロボット触診フレームワークを提案する。 商用の力/トルクセンサを用いた力に基づくパラメータ推定と、調整された予測情報密度によって駆動されるエルゴード制御戦略を組み合わせる。
• 参考スコア（独自算出の注目度）: 11.36848363285339
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel autonomous robotic palpation framework for real-time elastic mapping during tissue exploration using a viscoelastic tissue model. The method combines force-based parameter estimation using a commercial force/torque sensor with an ergodic control strategy driven by a tailored Expected Information Density, which explicitly biases exploration toward diagnostically relevant regions by jointly considering model uncertainty, stiffness magnitude, and spatial gradients. An Extended Kalman Filter is employed to estimate viscoelastic model parameters online, while Gaussian Process Regression provides spatial modelling of the estimated elasticity, and a Heat Equation Driven Area Coverage controller enables adaptive, continuous trajectory planning. Simulations on synthetic stiffness maps demonstrate that the proposed approach achieves better reconstruction accuracy, enhanced segmentation capability, and improved robustness in detecting stiff inclusions compared to Bayesian Optimisation-based techniques. Experimental validation on a silicone phantom with embedded inclusions emulating pathological tissue regions further corroborates the potential of the method for autonomous tissue characterisation in diagnostic and screening applications.
• Abstract（参考訳）: 粘弾性組織モデルを用いた組織探索におけるリアルタイム弾性マッピングのための新しい自律型ロボット触診フレームワークを提案する。 モデルの不確実性、剛性の大きさ、空間勾配を共同で考慮し、診断関連領域への探索を明示的にバイアスする、市販の力/トルクセンサを用いた力に基づくパラメータ推定と、調整された予測情報密度によって駆動されるエルゴード制御戦略を組み合わせる。 拡張カルマンフィルタは粘弾性モデルパラメータをオンラインで推定するために使用され、ガウス過程回帰は推定された弾性の空間的モデリングを提供し、熱方程式駆動領域被覆制御器は適応的かつ連続的な軌道計画を可能にする。 合成剛性マップのシミュレーションにより, 提案手法はベイズ最適化法と比較して, 再現精度の向上, セグメンテーション能力の向上, 硬さ検出の堅牢性の向上を実現している。 病理組織領域を包含したシリコーンファントムの実験的検証は、診断およびスクリーニングへの応用において、この方法の可能性をさらに裏付ける。

関連論文リスト

• Adaptive Manipulation Potential and Haptic Estimation for Tool-Mediated Interaction [14.888648782445694]
  本稿では,ツール間相互作用の統一表現として,パラメータ化された平衡マニフォールド(EM)を提案する。 我々は,ハプティック推定,オンライン計画,適応剛性制御を統合したクローズドループフレームワークを開発した。 このフレームワークはシミュレーションと260以上の現実世界のスクリューロージング試験によって検証されている。
  論文  参考訳（メタデータ） (2026-03-11T02:57:55Z)
• PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion [11.223559964746705]
  磁気共鳴イメージング(MRI)画像合成のための統合生成フレームワークPathoSynを提案する。 PathoSynは、画像病理を安定な解剖学的多様体上の不整合加法偏差として再構成する。 PathoSynは、知覚現実主義と解剖学的忠実性の両方において、全体的拡散とマスク条件ベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-12-29T01:13:50Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Deep operator network for surrogate modeling of poroelasticity with random permeability fields [3.7214007898390196]
  多孔質媒質中の流動と弾性変形を結合した多弾性性は、しばしば空間的に変化する透水性を伴う。 本研究では,無限次元関数空間間の写像を学習するためのニューラルネットワークであるDeepONet(DeepONet)に基づく代理モデリングフレームワークを提案する。 予測精度と安定性を向上させるために,支配方程式の非次元化,Karhunen-Lo'eve展開による入力次元削減,および分岐ネットワークとトランクネットワークの最適化を分離する2段階の訓練手順を統合する。
  論文  参考訳（メタデータ） (2025-09-15T14:18:49Z)
• Physiological neural representation for personalised tracer kinetic parameter estimation from dynamic PET [0.7147474215053953]
  本稿では,暗黙的ニューラル表現(INR)に基づく生理的ニューラル表現を提案する。 連続関数を学習するINRは、データ要求を低減した効率的な高分解能パラメトリックイメージングを可能にする。 以上の結果から,INRsが腫瘍の性状,セグメンテーション,予後評価に応用できるパーソナライズされたデータ効率トレーサの速度論的モデリングに有用であることが示唆された。
  論文  参考訳（メタデータ） (2025-04-23T22:12:04Z)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• High-dimensional Bayesian Optimization of Personalized Cardiac Model Parameters via an Embedded Generative Model [7.286540513944084]
  ベイズ最適化の目的関数に生成的変分オートエンコーダ(VAE)を組み込む新しい概念を提案する。 生成コードに関するVAE符号化された知識は、探索空間の探索を導くために使用される。 本発明の方法は、心臓電気生理学的モデルにおける組織興奮性の推定に応用される。
  論文  参考訳（メタデータ） (2020-05-15T22:14:16Z)

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。