論文の概要: Vision-Based Reasoning with Topology-Encoded Graphs for Anatomical Path Disambiguation in Robot-Assisted Endovascular Navigation

• arxiv url: http://arxiv.org/abs/2602.20215v1
• Date: Mon, 23 Feb 2026 07:39:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.651952
• Title: Vision-Based Reasoning with Topology-Encoded Graphs for Anatomical Path Disambiguation in Robot-Assisted Endovascular Navigation
• Title（参考訳）: ロボットを用いた血管内ナビゲーションにおける解剖学的経路不明瞭化のためのトポロジー符号化グラフを用いた視覚的推論
• Authors: Jiyuan Zhao, Zhengyu Shi, Wentong Tian, Tianliang Yao, Dong Liu, Tao Liu, Yizhe Wu, Peng Qi,
• Abstract要約: リアルタイムなロボット経路計画のための2段階フレームワーク(SCAR-UNet-GAT)を提案する。 第1段階では、空間アテンション規則化されたU-NetであるSCAR-UNetが正確な冠血管分割に使用される。 第2段階では、グラフ注意ネットワーク(GAT)が血管グラフに対して一貫した、臨床的に実現可能な軌跡を識別する理由となっている。
• 参考スコア（独自算出の注目度）: 8.354521909800903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic-assisted percutaneous coronary intervention (PCI) is constrained by the inherent limitations of 2D Digital Subtraction Angiography (DSA). Unlike physicians, who can directly manipulate guidewires and integrate tactile feedback with their prior anatomical knowledge, teleoperated robotic systems must rely solely on 2D projections. This mode of operation, simultaneously lacking spatial context and tactile sensation, may give rise to projection-induced ambiguities at vascular bifurcations. To address this challenge, we propose a two-stage framework (SCAR-UNet-GAT) for real-time robotic path planning. In the first stage, SCAR-UNet, a spatial-coordinate-attention-regularized U-Net, is employed for accurate coronary vessel segmentation. The integration of multi-level attention mechanisms enhances the delineation of thin, tortuous vessels and improves robustness against imaging noise. From the resulting binary masks, vessel centerlines and bifurcation points are extracted, and geometric descriptors (e.g., branch diameter, intersection angles) are fused with local DSA patches to construct node features. In the second stage, a Graph Attention Network (GAT) reasons over the vessel graph to identify anatomically consistent and clinically feasible trajectories, effectively distinguishing true bifurcations from projection-induced false crossings. On a clinical DSA dataset, SCAR-UNet achieved a Dice coefficient of 93.1%. For path disambiguation, the proposed GAT-based method attained a success rate of 95.0% and a target-arrival success rate of 90.0%, substantially outperforming conventional shortest-path planning (60.0% and 55.0%) and heuristic-based planning (75.0% and 70.0%). Validation on a robotic platform further confirmed the practical feasibility and robustness of the proposed framework.
• Abstract（参考訳）: 経皮的冠動脈インターベンション (PCI) は2D Digital Subtraction Angiography (DSA) の本質的限界により制限される。 ガイドワイヤを直接操作し、以前の解剖学的知識と触覚フィードバックを統合できる医師とは異なり、遠隔操作ロボットシステムは2Dプロジェクションのみに頼らなければならない。 この操作様式は、空間的コンテキストと触覚の欠如を兼ね備えており、血管分岐における投射誘発の曖昧さを生じさせる可能性がある。 この課題に対処するために,リアルタイムなロボット経路計画のための2段階フレームワーク(SCAR-UNet-GAT)を提案する。 第1段階では、空間座標-アテンション規則化されたU-NetであるSCAR-UNetが正確な冠血管分割に使用される。 マルチレベルアテンション機構の統合により、細く丈夫な容器のデライン化が促進され、撮像ノイズに対するロバスト性が改善される。 得られたバイナリマスクから、容器中心線と分岐点を抽出し、幾何学的記述子(例えば、枝径、交差角)を局所的なDSAパッチで融合してノード特徴を構築する。 第2段階では、グラフ注意ネットワーク(GAT)が血管グラフに対して解剖学的に一貫性があり、臨床的に可能な軌跡を識別し、プロジェクションによって引き起こされた偽の交差から真の分岐を効果的に区別する。 臨床用DSAデータセットでは、SCAR-UNetのDice係数は93.1%に達した。 経路不明瞭化については,提案したGAT法が95.0%,目標位置成功率90.0%を達成し,従来の最短経路計画(60.0%,55.0%)とヒューリスティック計画(75.0%,70.0%)を大幅に上回った。 ロボットプラットフォーム上での検証により、提案したフレームワークの実用性と堅牢性をさらに確認した。

関連論文リスト

• 3D Path Planning for Robot-assisted Vertebroplasty from Arbitrary Bi-plane X-ray via Differentiable Rendering [10.03537569638041]
  2次元平面X線を用いた3次元経管路計画のための微分可能なレンダリングベースフレームワークを提案する。 本手法は, 統計的形状モデルを用いて生成した椎体アトラスと微分可能レンダリングを統合した。 本フレームワークは, ロボット支援椎体形成のための多機能CTフリー3Dパス計画を支援する。
  論文  参考訳（メタデータ） (2025-12-05T15:26:13Z)
• 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)
• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• WMKA-Net: A Weighted Multi-Kernel Attention Network for Retinal Vessel Segmentation [0.48536814705421105]
  本研究では,マルチスケール機能融合の不十分,文脈連続性の破壊,ノイズ干渉といった問題に対処する二段階解を提案する。 第1段では、階層的な適応的畳み込みを使用して、キャピラリーからメイン船へのクロススケール機能を動的にマージするマルチスケール核融合モジュール(Multi-Scale Fusion Module, RMS)を採用している。 第2段階では、軸方向の経路を通じて長距離血管の連続性をモデル化する血管指向性注意機構が導入された。
  論文  参考訳（メタデータ） (2025-04-21T06:32:25Z)
• EyeLS: Shadow-Guided Instrument Landing System for Intraocular Target Approaching in Robotic Eye Surgery [51.05595735405451]
  ロボット眼科手術(Robotic Ophthalmic surgery)は、網膜下注入における網膜侵入や網膜剥離における浮動組織の除去など、高精度な介入を促進する新しい技術である。 現在の画像に基づく手法では、針先端の軌跡を網膜と浮動標的の両方に向けて効果的に推定することはできない。 本研究では,ターゲットの影位置と楽器先端を用いて相対的な深度位置を推定する。 手術シミュレータでは, 平均深度0.0127mm, 平均深度0.3473mm, 平均深度0.0127mm, 平均深度0.3473mmを目標とした。
  論文  参考訳（メタデータ） (2023-11-15T09:11:37Z)
• 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)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• 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。