論文の概要: SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound

• arxiv url: http://arxiv.org/abs/2604.25646v1
• Date: Tue, 28 Apr 2026 13:44:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.881869
• Title: SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound
• Title（参考訳）: SAMe:ロボット超音波のための意味解剖マッピングエンジン
• Authors: Jing Zhang, Duojie Chen, Wentao Jiang, Zihan Lou, Jianxin Liu, Xinwu Cui, Qinghong Zhao, Bo Du, Christoph F. Dietrich, Dacheng Tao,
• Abstract要約: 本稿では,ロボット超音波に解剖学的先行層を明示する意味解剖マッピングエンジンSAMeを提案する。 SAMeはスキャン開始をターゲット・トゥ・アノプティ・トゥ・アクションのプロセスとして扱う。 単一の外部画像から、接地対象に対する患者固有の解剖学的表現をインスタンス化する。
• 参考スコア（独自算出の注目度）: 60.64817443833982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic ultrasound has advanced local image-driven control, contact regulation, and view optimization, yet current systems lack the anatomical understanding needed to determine what to scan, where to begin, and how to adapt to individual patient anatomy. These gaps make systems still reliant on expert intervention to initiate scanning. Here we present SAMe, a semantic anatomy mapping engine that provides robotic ultrasound with an explicit anatomical prior layer. SAMe addresses scan initiation as a target-to-anatomy-to-action process: it grounds under-specified clinical complaints into structured target organs, instantiates a patient-specific anatomical representation for the grounded targets from a single external body image, and translates this representation into control-facing 6-DoF probe initialization states without any additional registration using preoperative CT or MRI. The anatomical representation maintained by SAMe is explicit, lightweight (single-organ inference in 0.08s), and compatible with downstream control by design. Across semantic grounding, anatomical instantiation, and real-robot evaluation, SAMe shows strong performance across the full initialization pipeline. In real-robot experiments, SAMe achieved overall organ-hit rates of 97.3% for liver initialization and 81.7% for kidney initialization across the evaluated target sets. Even when restricted to the centroid target, SAMe outperformed the surface-heuristic baseline for both liver and kidney initialization. These results establish an explicit anatomical prior layer that addresses scan initialization and is designed to support broader downstream autonomous scanning pipelines, providing the anatomical foundation for complaint-driven, anatomically informed robotic ultrasonography.
• Abstract（参考訳）: ロボット超音波は、局所的な画像駆動制御、コンタクト制御、ビュー最適化を進歩させてきたが、現在のシステムは、スキャンすべきもの、開始すべき場所、個々の患者解剖に適応する方法を決定するために必要な解剖学的理解を欠いている。 これらのギャップは、システムをまだ専門家によるスキャン開始の介入に依存している。 本稿では,ロボット超音波に解剖学的先行層を明示する意味解剖マッピングエンジンであるSAMeを紹介する。 SAMeは、スキャン開始をターゲット・トゥ・アナトマシー・トゥ・アクションのプロセスとして扱う:それは、特定されていない臨床上の苦情を構造化対象の臓器に接地し、単一の外部体画像から患者固有の解剖学的対象の表現をインスタンス化し、この表現を、術前CTやMRIを使用して追加の登録なしに制御対象の6-DoFプローブ初期化状態に変換する。 SAMeが維持する解剖学的表現は明確で軽量であり(単体推論は0.08秒)、設計による下流制御と互換性がある。 セマンティックグラウンド、解剖学的インスタンス化、実ロボット評価などを通じて、SAMeは完全な初期化パイプライン全体にわたって強力なパフォーマンスを示している。 実際のロボット実験では、SAMeは肝臓の初期化に97.3%、腎初期化に81.7%という総合的な臓器ヒット率を達成した。 センチロイドターゲットに制限された場合であっても,SAMeは肝および腎の初期化において表面ヒューリスティックベースラインよりも優れていた。 これらの結果は、スキャン初期化に対処する明示的な解剖学的先行層を確立し、より広い下流の自律走査パイプラインをサポートするように設計されており、苦情駆動型、解剖学的に情報を得たロボット超音波検査のための解剖学的基盤を提供する。

関連論文リスト

• Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition [15.937619557248182]
  解剖学的前駆体(AP)駆動のフレームワークが提案され,心臓構造セグメンテーションと自律型プローブ調整を統合した。 APは、確率的なAPを構築するために、空間関係グラフ(SRG)モジュールに取り付けられる。 実験はフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2026-03-22T09:11:44Z)
• 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)
• Robotic Ultrasound-Guided Femoral Artery Reconstruction of Anatomically-Representative Phantoms [2.1113382954657594]
  大腿骨動脈アクセスは, 診断血管造影, 治療カテーテル, 緊急治療など, 多数の臨床処置に必須である。 その重要な役割にもかかわらず、解剖学的多様性、脂肪組織を過度に覆い、正確な超音波ガイドの必要性により、血管アクセスの成功は依然として困難である。 人工骨頭動脈の自律型超音波スキャン法を提案し,実際のCTデータから得られた5つの血管ファントムについて検証した。
  論文  参考訳（メタデータ） (2025-03-09T22:20:25Z)
• 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)
• Anatomical Region Recognition and Real-time Bone Tracking Methods by Dynamically Decoding A-Mode Ultrasound Signals [4.595636071139437]
  本稿では,Aモード超音波信号を用いた解剖学的領域認識と骨追跡のためのディープラーニング手法を提案する。 このアルゴリズムは、同時に骨追跡を行い、Aモード超音波トランスデューサが置かれた解剖学的領域を特定することができる。 この実験は解剖学的領域の分類において97%の精度を示し、動的追跡条件下では0.5$pm$1mmの精度を示した。
  論文  参考訳（メタデータ） (2024-05-29T22:04:40Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)

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。