論文の概要: Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom
- arxiv url: http://arxiv.org/abs/2606.12048v1
- Date: Wed, 10 Jun 2026 13:12:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 14:19:45.057266
- Title: Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom
- Title（参考訳）: 腹腔鏡下胆嚢摘出術における自律的クリップ位置決めのためのポイント・クラウド・セグメンテーション
- Authors: Balázs Gyenes, Nikolai Franke, Paul Maria Scheikl, Pit Henrich, Rayan Younis, Gerhard Neumann, Martin Wagner, Franziska Mathis-Ullrich,
- Abstract要約: 腹腔鏡下手術において,身体ファントムに自律的なクリップ位置決めを行うロボットシステムについて紹介する。
128,000個の合成点雲の事前学習と2つの新しいデータ拡張技術を組み合わせることでこれを克服する。
実際のロボット実験において,本システムは95%の成功率で0.75mmの精度で目標をローカライズし,100%の成功率で自律的なクリップ位置決めを行う。
- 参考スコア（独自算出の注目度）: 18.991664638461227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-risk applications in robotics, such as robot-assisted surgery, present unique challenges. These systems must be both highly precise and interpretable in order to be deployed in environments with very low tolerance for error or unsafe exploration. We present the first robotic system to demonstrate autonomous clip positioning on a physical phantom in laparoscopic surgery, one of the most common interventions in general surgery. After segmentation of a colorless point cloud from a single camera, target positions for the clips are extracted using spline interpolation, and can then be adjusted by the human operator. The segmentation model is trained on only 60 hand-labeled real point clouds, reflecting data scarcity in the surgical domain. We overcome this with a combination of pre-training on 128,000 synthetic point clouds and two novel data augmentation techniques. The motion of the end-effector to each target is visualized for the operator, satisfying the unique motion constraints of minimally-invasive surgery while ensuring that the robot's actions are verifiable and interpretable. In real robot experiments, our system localizes targets with the required precision of 0.75mm at a 95% success rate and executes autonomous clip positioning with a 100% success rate. We provide insights that are applicable to many other surgical and non-surgical tasks that require identifying and navigating to a precise target. Source code and project page: https://github.com/balazsgyenes/kirurc
- Abstract（参考訳）: ロボット支援手術のようなロボット工学におけるハイリスクな応用は、ユニークな課題を提示している。
これらのシステムは、エラーや安全でない探索に対して非常に低い耐性を持つ環境に展開するために、高度に正確かつ解釈可能でなければならない。
今回われわれは,腹腔鏡下手術における自律的クリップ位置測定を初めて実施したロボットシステムについて紹介する。
単一カメラからの無色点雲のセグメンテーション後、スプライン補間によりクリップの目標位置を抽出し、人間の操作者により調整することができる。
セグメンテーションモデルは、手術領域におけるデータ不足を反映して、60個のハンドラベルされた実点雲でトレーニングされている。
128,000個の合成点雲の事前学習と2つの新しいデータ拡張技術を組み合わせることでこれを克服する。
各目標に対するエンドエフェクタの動作を可視化し、ロボットの動作が検証可能で解釈可能であることを保証しつつ、極小侵襲手術のユニークな動作制約を満たす。
実際のロボット実験において,本システムは95%の成功率で0.75mmの精度で目標をローカライズし,100%の成功率で自律的なクリップ位置決めを行う。
我々は、正確なターゲットを特定し、ナビゲートする必要がある他の多くの外科的、非外科的タスクに適用可能な洞察を提供する。
ソースコードとプロジェクトページ:https://github.com/balazsgyenes/kirurc
関連論文リスト
- Open-H-Embodiment: A Large-Scale Dataset for Enabling Foundation Models in Medical Robotics [131.25998619318702]
医療用ロボットビデオの最大のオープンデータセットであるOpen-H-Embodimentを紹介した。
GR00T-Hは、医療ロボティクスのための最初のオープン・ファンデーション・ビジョン・ランゲージ・アクション・モデルである。
我々は,多体手術シミュレーションを可能にする最初の行動条件世界モデルであるCosmos-H-Surgical-Simulatorを訓練する。
論文 参考訳（メタデータ） (2026-04-22T19:05:17Z) - Give me scissors: Collision-Free Dual-Arm Surgical Assistive Robot for Instrument Delivery [4.187693745535412]
手術中、スクラブ看護師は頻繁に手術器具を外科医に届ける必要がある。
既存のロボットスクラブ看護師の研究は、計器配達のための事前に定義された経路に依存している。
本稿では,機器の配送を行うことのできる,衝突のないデュアルアーム手術支援ロボットについて述べる。
論文 参考訳（メタデータ） (2026-03-03T03:14:59Z) - Localising under the drape: proprioception in the era of distributed surgical robotic system [12.001086860486906]
そこで本研究では,無マーカープロピオセプション法により,手術用ロボットの立体的位置を正確に決定する手法を提案する。
提案手法は,軽量ステレオRGBカメラとトランスフォーマーを用いた新しいディープラーニングモデルに依存している。
これは、これまでで最大規模の空間ロボット手術データセットの上に構築されている。
論文 参考訳（メタデータ） (2025-10-27T16:50:12Z) - Automated Surgical Skill Assessment in Endoscopic Pituitary Surgery using Real-time Instrument Tracking on a High-fidelity Bench-top Phantom [9.41936397281689]
外科的スキルの改善は一般的に患者の成績の改善に関連しているが、評価は主観的であり、労働集約的である。
内視鏡下垂体手術の鼻相を模範として,シミュレートされた手術に焦点を当てた新しい公開データセットが導入された。
多層パーセプトロンは87%の精度で手術技量(初心者または専門家)を予測し、「可視時間測定のための全手術時間の割合」は高度な手術技量と相関した。
論文 参考訳（メタデータ） (2024-09-25T15:27:44Z) - Track2Act: Predicting Point Tracks from Internet Videos enables Generalizable Robot Manipulation [65.46610405509338]
我々は、ゼロショットロボット操作を可能にする汎用的な目標条件ポリシーを学習することを目指している。
私たちのフレームワークであるTrack2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。
学習したトラック予測を残留ポリシーと組み合わせることで,多種多様な汎用ロボット操作が可能となることを示す。
論文 参考訳（メタデータ） (2024-05-02T17:56:55Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳（メタデータ） (2023-06-16T17:58:10Z) - 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) - Where is my hand? Deep hand segmentation for visual self-recognition in
humanoid robots [129.46920552019247]
本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。
ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
論文 参考訳（メタデータ） (2021-02-09T10:34:32Z) - Using Conditional Generative Adversarial Networks to Reduce the Effects
of Latency in Robotic Telesurgery [0.0]
手術では、どんなマイクロ遅延でも重傷を負い、場合によっては致命傷を負うことがある。
現在の外科用ロボットは、腕や道具の位置を測定するために校正されたセンサーを使用している。
本研究は、患者の組織に関するツール位置を測定するための、純粋に光学的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-10-07T13:40:44Z) - Recurrent and Spiking Modeling of Sparse Surgical Kinematics [0.8458020117487898]
ますます多くの研究が、手術ロボットが捉えたビデオやキネマティックなデータを機械学習で分析している。
本研究では,同様のスキルレベルの外科医を予測するために,キネマティックデータのみを用いることの可能性を検討する。
本報告では, 運動特性のみに基づいて, シミュレーションエクササイズにおいて, ほぼ完全スコアの手術者を特定することが可能である。
論文 参考訳（メタデータ） (2020-05-12T15:41:45Z)
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。