論文の概要: Deformable State Estimation for Autonomous Surgical Tissue Retraction Under Partial Observability

• arxiv url: http://arxiv.org/abs/2607.13475v1
• Date: Wed, 15 Jul 2026 06:07:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.667694
• Title: Deformable State Estimation for Autonomous Surgical Tissue Retraction Under Partial Observability
• Title（参考訳）: 部分的可観測下における自律的組織除去のための変形性状態推定法
• Abstract要約: 組織表面の粗い観察しかできない変形性組織除去のための状態推定法について検討した。 本稿では,40個のノイズ観測から完全な変形可能なメッシュ状態を再構成する学習状態推定器を提案する。
• 参考スコア（独自算出の注目度）: 1.376408511310322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surgical tissue retraction requires effective manipulation planning under partial and noisy perception. We study state estimation for deformable tissue retraction, where only sparse observations of the tissue surface are available at decision time. We propose a learned state estimator that reconstructs the full deformable mesh state from 40 noisy vertex observations. The estimator combines a multilayer perceptron with a low-dimensional PCA latent representation and is trained using geometry-aware regularization that encourages smooth and physically plausible deformations. We evaluate the approach in a 2D deformable sheet simulation using single-step and multi-step retraction planning. Results show that the learned estimator achieves 98.1% of oracle performance in multi-step retraction while supporting efficient inference. These results demonstrate that learned, geometry-regularized state estimation can support effective deformable manipulation under realistic perception constraints.
• Abstract（参考訳）: 外科的組織除去には, 部分的, 雑音的知覚下での効果的な手術計画が必要である。 組織表面の粗い観察しかできない変形性組織除去のための状態推定法について検討した。 本稿では40のノイズ頂点観測から完全な変形可能なメッシュ状態を再構成する学習状態推定器を提案する。 この推定器は、多層パーセプトロンと低次元PCA潜伏表現を結合し、滑らかで物理的に可能な変形を促進する幾何認識正規化を用いて訓練する。 単段および多段リトラクション計画を用いた2次元変形可能なシートシミュレーションにおけるアプローチの評価を行った。 その結果、学習した推定器は、効率的な推論をサポートしつつ、多段階の抽出において、98.1%のオラクル性能を達成することがわかった。 これらの結果は、学習された幾何学的規則化された状態推定が、現実的な知覚制約の下で有効な変形可能な操作を支援することを示している。

関連論文リスト

• Bayesian Retraction Optimization for Tissue Attachment Mapping in Surgical Dissection [4.878319161247993]
  これまでの研究は、不確実性を定量化できない手作りの切開政策に依存してきた。 明確な組織モデリングを避けるベイズ的手法を提案する。 本手法は, 組織形状の多様性と獲得戦略のシミュレーションにおいて有効であり, 実際のロボット解剖実験へのゼロショット移動を実証する。
  論文  参考訳（メタデータ） (2026-07-21T15:12:11Z)
• Spatial-Aware Reduction Framework: Towards Efficient and Faithful Visual State Space Models [71.59431204970339]
  STORMは空間対応のトークン還元フレームワークである。 空間単位上の構造演算に還元を再構成する。 様々なビジョンのMambaバックボーンにまたがって最先端のプルーニング精度を実現する。
  論文  参考訳（メタデータ） (2026-06-18T08:31:11Z)
• Assessment of the quantitative impact of occlusal positioning splints on temporomandibular joint conditions [0.0]
  顎関節構成(TMJ)の定量的解析法を提案し,その有効性を実証した。 この方法は、位置決めスプリントを、予め定義された下顎骨の剛性変換の物理的実現としてモデル化する。 選択した下顎位に対応するスプリントを設計・製造し、その位置決め精度を評価する。
  論文  参考訳（メタデータ） (2026-04-28T07:37:16Z)
• Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments [45.387920812487465]
  本研究は,未確認の手術器具の高精度なマルチビュー6Dポーズ推定のための無トレーニングパイプラインを導入する。 本手法はMVPSPデータセットから実世界の手術データを用いて厳密に評価した。
  論文  参考訳（メタデータ） (2026-03-26T09:28:19Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [59.062085785106234]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• SuPerPM: A Surgical Perception Framework Based on Deep Point Matching Learned from Physical Constrained Simulation Data [28.314243346768112]
  変形時の組織追跡誤差の主な原因は、観測されたセンサ測定と以前追跡されたシーンとの間違ったデータ関係にある。 この問題を軽減するために,データアソシエーションのための学習ベースの非剛点クラウドマッチングを利用した外科的知覚フレームワークSuPerPMを提案する。 提案手法は, 大規模な変形を特徴とする, 高度な手術シーン追跡アルゴリズムよりも優れた性能を有する, 難易度の高いいくつかの手術用データセット上で実証された。
  論文  参考訳（メタデータ） (2023-09-25T04:27:06Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。 正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。 本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Intraoperative Liver Surface Completion with Graph Convolutional VAE [10.515163959186964]
  我々は、データセットの限られたサイズを補うために、周波数領域の形状をランダムに摂動する新しいデータ拡張手法を導入する。 本手法のコアは変分オートエンコーダ (VAE) で, 肝臓の完全な形状を学習するための潜伏空間を訓練する。 この最適化の効果は、初期生成した形状の進行非剛性変形である。
  論文  参考訳（メタデータ） (2020-09-08T17:19:31Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。