論文の概要: A Koopman-Bayesian Framework for High-Fidelity, Perceptually Optimized Haptic Surgical Simulation

• arxiv url: http://arxiv.org/abs/2602.15834v1
• Date: Sun, 04 Jan 2026 20:43:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.630559
• Title: A Koopman-Bayesian Framework for High-Fidelity, Perceptually Optimized Haptic Surgical Simulation
• Title（参考訳）: Koopman-Bayesian Framework for High-Fidelity, Perceptuallytimized Haptic Surgery Simulation
• Authors: Rohit Kaushik, Eva Kaushik,
• Abstract要約: 本稿では, 非線形力学, 知覚心理学, 高周波触覚レンダリングを併用し, 手術シミュレーションにおけるリアリズムを向上する統合フレームワークを提案する。 また, 触診, 切開, 骨削りなどの外科的作業のシミュレーションでは, 平均レンダリング遅延が4.3ms, 力誤差が2.8%未満, 知覚的識別が20%向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a unified framework that combines nonlinear dynamics, perceptual psychophysics and high frequency haptic rendering to enhance realism in surgical simulation. The interaction of the surgical device with soft tissue is elevated to an augmented state space with a Koopman operator formulation, allowing linear prediction and control of the dynamics that are nonlinear by nature. To make the rendered forces consistent with human perceptual limits, we put forward a Bayesian calibration module based on WeberFechner and Stevens scaling laws, which progressively shape force signals relative to each individual's discrimination thresholds. For various simulated surgical tasks such as palpation, incision, and bone milling, the proposed system attains an average rendering latency of 4.3 ms, a force error of less than 2.8% and a 20% improvement in perceptual discrimination. Multivariate statistical analyses (MANOVA and regression) reveal that the system's performance is significantly better than that of conventional spring-damper and energy, based rendering methods. We end by discussing the potential impact on surgical training and VR, based medical education, as well as sketching future work toward closed, loop neural feedback in haptic interfaces.
• Abstract（参考訳）: 本稿では, 非線形力学, 知覚心理学, 高周波触覚レンダリングを併用し, 手術シミュレーションにおけるリアリズムを向上する統合フレームワークを提案する。 手術器具と軟組織との相互作用は、Koopman演算子定式化による拡張状態空間に高められ、自然に非線形である力学の線形予測と制御が可能となる。 人間の知覚的限界に整合性を持たせるために,WeberFechner と Stevens のスケーリング法則に基づくベイズ校正モジュールを作成した。 また, 触診, 切開, 骨削りなどの外科的作業のシミュレーションでは, 平均レンダリング遅延が4.3ms, 力誤差が2.8%未満, 知覚的識別が20%向上した。 多変量統計解析(MANOVAと回帰)により、システムの性能は従来のスプリングダッパーとエネルギーに基づくレンダリング法よりも著しく優れていることが判明した。 最終的には、外科的トレーニングとVRに対する潜在的な影響について議論し、触覚インターフェイスにおける閉じたループ神経フィードバックに向けた将来の研究をスケッチする。

関連論文リスト

• Autoregressive deep learning for real-time simulation of soft tissue dynamics during virtual neurosurgery [19.464888859778487]
  従来の数値解法は、しばしばリアルタイムのパフォーマンス要求を満たすのに不足する。 本稿では,一過性脳の変形を効率的にシミュレートする深層学習に基づく代理モデルを提案する。 さらに、トレーニングされた代理モデルを対話型神経外科シミュレーション環境に統合し、シミュレーションステップあたり10ミリ秒未満のランタイムを実現する。
  論文  参考訳（メタデータ） (2026-01-20T07:25:32Z)
• Efficient 3D Scene Reconstruction and Simulation from Sparse Endoscopic Views [0.7614628596146601]
  内視鏡的画像からインタラクティブな手術シーンを再構築するためのガウススプラッティングに基づくフレームワークを提案する。 データ駆動型シミュレーションのパラダイムにおける重要な課題は、内視鏡カメラの制限された動きである。 本手法は,スパース内視鏡による手術シーンの再現とシミュレートを効果的に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-09-21T10:40:36Z)
• Certified Neural Approximations of Nonlinear Dynamics [51.01318247729693]
  安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。 本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T13:22:20Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
  現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。 新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• Realistic Surgical Simulation from Monocular Videos [49.114370617718244]
  本稿では,手軽な手術映像からリアルな手術シミュレーションを自動実行することの課題に対処する。 本稿では,これらの制約を克服する新しい自動シミュレーションシステムであるSurgiSimを提案する。 様々な手術シナリオと相互作用の実験は、SurgiSimが軟組織の現実的なシミュレーションを行う能力を示している。
  論文  参考訳（メタデータ） (2024-12-03T10:32:41Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• SISMIK for brain MRI: Deep-learning-based motion estimation and model-based motion correction in k-space [0.0]
  本研究では,脳の2次元スピンエコースキャンにおける動き推定と補正の振り返り手法を提案する。 この手法は、深いニューラルネットワークのパワーを利用してk空間の運動パラメータを推定する。 モデルに基づくアプローチを用いて、劣化した画像を復元し、「幻覚」を避ける。
  論文  参考訳（メタデータ） (2023-12-20T17:38:56Z)
• Prediction of progressive lens performance from neural network simulations [62.997667081978825]
  本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。 提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
  論文  参考訳（メタデータ） (2021-03-19T14:51:02Z)

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。