論文の概要: RAG-RUSS: A Retrieval-Augmented Robotic Ultrasound for Autonomous Carotid Examination

• arxiv url: http://arxiv.org/abs/2603.01153v1
• Date: Sun, 01 Mar 2026 15:37:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.802508
• Title: RAG-RUSS: A Retrieval-Augmented Robotic Ultrasound for Autonomous Carotid Examination
• Title（参考訳）: RAG-RUSS:自律頸動脈検査のための検索用ロボット超音波
• Authors: Dianye Huang, Ziping Cong, Nassir Navab, Zhongliang Jiang,
• Abstract要約: 臨床ワークフローに応じて完全な頸動脈検査を行うことができる解釈可能なフレームワークであるRAG-RUSSを紹介した。 医療データの不足を鑑み,一般化を促進するために検索強化世代を取り入れた。 その結果,現在の走査段階を解明し,頸動脈検査を完了するためのプローブ動作を自律的に計画できることが示唆された。
• 参考スコア（独自算出の注目度）: 42.034503215067524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic ultrasound (US) has recently attracted increasing attention as a means to overcome the limitations of conventional US examinations, such as the strong operator dependence. However, the decision-making process of existing methods is often either rule-based or relies on end-to-end learning models that operate as black boxes. This has been seen as a main limit for clinical acceptance and raises safety concerns for widespread adoption in routine practice. To tackle this challenge, we introduce the RAG-RUSS, an interpretable framework capable of performing a full carotid examination in accordance with the clinical workflow while explicitly explaining both the current stage and the next planned action. Furthermore, given the scarcity of medical data, we incorporate retrieval-augmented generation to enhance generalization and reduce dependence on large-scale training datasets. The method was trained on data acquired from 28 volunteers, while an additional four volumetric scans recorded from previously unseen volunteers were reserved for testing. The results demonstrate that the method can explain the current scanning stage and autonomously plan probe motions to complete the carotid examination, encompassing both transverse and longitudinal planes.
• Abstract（参考訳）: ロボット超音波(US)は, オペレーターの強い依存度など, 従来の米国試験の限界を克服する手段として近年注目を集めている。 しかし、既存の手法の意思決定プロセスはルールベースか、ブラックボックスとして動作するエンドツーエンドの学習モデルに依存していることが多い。 これは臨床受け入れの限界として見なされ、日常的に広く普及する上での安全性の懸念が高まっている。 この課題に対処するために,RAG-RUSS(RAG-RUSS)という,臨床ワークフローに従って完全な頸動脈検査を行うことができる解釈可能なフレームワークを紹介した。 さらに,医療データの不足を考慮し,大規模トレーニングデータセットへの依存度を低減し,一般化を促進するために検索強化世代を組み込んだ。 この方法は、28人のボランティアから取得したデータに基づいて訓練された。 その結果, 横面と縦面の両方を含む頸動脈検査を完了させるために, 現在の走査段階を解明し, プローブ運動を自律的に計画できることが示唆された。

関連論文リスト

• Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos [58.71502465551297]
  MICCAI 2024と共同でIUGC(Intrapartum Ultrasound Grand Challenge)が打ち上げられた。 IUGCは、標準的な平面分類、胎児の頭頂部生理的セグメンテーション、バイオメトリーを統合した、臨床指向のマルチタスク自動測定フレームワークを導入している。 この課題は、これまでに3つの病院から収集された774のビデオ(68,106フレーム)を含む、最大規模のマルチセンターの超音波ビデオデータセットをリリースしている。
  論文  参考訳（メタデータ） (2026-02-13T13:28:22Z)
• End-to-End Framework Integrating Generative AI and Deep Reinforcement Learning for Autonomous Ultrasound Scanning [18.746846962661433]
  本稿では、生成型AIとDRLを統合して、自律的かつ再現可能な心臓USスキャンを可能にする、初のエンドツーエンドフレームワークを提案する。 提案するフレームワークは、画像タイプを分類し、品質を評価するエキスパート検証モデルを通じて、AIによるガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-10-31T00:54:49Z)
• 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)
• Leveraging Self-Supervised Learning Methods for Remote Screening of Subjects with Paroxysmal Atrial Fibrillation [6.158210490716697]
  本研究では,コホートを限定した臨床研究から予備的な結果を得る手段として,自己監督学習(SSL)の適用について検討する。 発作性心房細動 (P-AF) に対する遠隔モニタリング, 正常洞結節リズムにおける単誘導心電図信号を用いた被験者のスクリーニングについて検討した。 我々は,最先端のSSL手法と教師付き学習手法を併用して評価する。
  論文  参考訳（メタデータ） (2025-03-04T13:42:38Z)
• UltraSeP: Sequence-aware Pre-training for Echocardiography Probe Movement Guidance [70.94473797093293]
  本稿では,高品質な標準平面画像取得のためのプローブポーズ調整によるロボットシステムや初心者の誘導に応用可能な,新しいプローブ移動誘導アルゴリズムを提案する。 本研究では, マスクアウト画像の特徴とプローブ動作をスキャンシーケンスで予測することにより, パーソナライズされた3次元心構造の特徴を学習する。
  論文  参考訳（メタデータ） (2024-08-27T12:55:54Z)
• Autonomous Path Planning for Intercostal Robotic Ultrasound Imaging Using Reinforcement Learning [45.5123007404575]
  胸腔鏡検査は, 皮下リブケージの音響的影が原因で, 依然として困難である。 本研究は, 内臓器病変のモニタリングを行うために, リブ間の走査経路を計画するための強化学習手法を提案する。 ランダムに定義された単一または複数の走査ターゲットを持つ未確認のCTに対して実験が実施されている。
  論文  参考訳（メタデータ） (2024-04-15T16:52:53Z)
• A Survey of the Impact of Self-Supervised Pretraining for Diagnostic Tasks with Radiological Images [71.26717896083433]
  自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。 本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T19:45:09Z)
• The SARAS Endoscopic Surgeon Action Detection (ESAD) dataset: Challenges and methods [15.833413083110903]
  本稿では,内視鏡下低侵襲手術における外科医の行動検出問題に取り組むための,最初の大規模データセットであるesadについて述べる。 このデータセットは、前立腺切除術中にキャプチャされた実際の内視鏡的ビデオフレーム上の21のアクションクラスに対するバウンディングボックスアノテーションを提供し、最近のMIDL 2020チャレンジのベースとして使用された。
  論文  参考訳（メタデータ） (2021-04-07T15:11:51Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)

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。