論文の概要: Action-Conditioned World Model for Goal Plane Probe Guidance in Robotic Ultrasound

• arxiv url: http://arxiv.org/abs/2607.21918v1
• Date: Fri, 24 Jul 2026 02:48:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.035249
• Title: Action-Conditioned World Model for Goal Plane Probe Guidance in Robotic Ultrasound
• Title（参考訳）: ロボット超音波によるゴールプレーン探触子誘導のためのアクションコンディション世界モデル
• Abstract要約: ロボット超音波における目標面プローブ誘導のための行動条件付き世界モデルフレームワークを提案する。 2段階のモデルに基づく学習パイプラインを用いてこの問題に対処する。第1に、潜伏条件拡散世界モデルが、最近の文脈フレーム、プローブ運動、時間オフセットから将来の超音波観測を予測し、第2に、ゴール条件の時間変換器が順序づけられたプローブ運動を予測し、凍結世界モデルからの報酬を用いて微調整を行う。
• 参考スコア（独自算出の注目度）: 13.198336762738414
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an action-conditioned world model framework for goal plane probe guidance in robotic ultrasound, with a focus on neck ultrasound scanning. Autonomous ultrasound tasks often require large numbers of probe-motion trajectories for training, but collecting high-quality demonstrations is labor-intensive and explicit simulators are difficult to build because ultrasound appearance depends on contact, tissue deformation, and view-dependent acoustic artifacts. We address this problem with a two-stage model-based learning pipeline. First, a latent conditional diffusion world model predicts future ultrasound observations from recent context frames, probe motions and temporal offset. Second, a goal-conditioned temporal transformer predicts ordered probe motions and is fine-tuned using rewards from the frozen world model. Experiments on the self-collected dataset show that the world model preserves action-dependent anatomical structure on target-directed scans. In real-world closed loop experiments, the framework achieves success rates of 70.0\% for carotid guidance and 65.0\% for thyroid guidance. These results demonstrate the potential of learned ultrasound dynamics for training goal-directed robotic probe navigation.
• Abstract（参考訳）: ロボット超音波における目標面プローブ誘導のための行動条件付き世界モデルフレームワークを提案する。 自律型超音波タスクは、トレーニングのために多数のプローブモーション軌跡を必要とすることが多いが、高品質なデモを集めることは労働集約的で、超音波の外観が接触、組織変形、ビュー依存の音響アーチファクトに依存するため、明示的なシミュレータの構築は困難である。 2段階のモデルベース学習パイプラインでこの問題に対処する。 まず、潜在条件拡散世界モデルにより、最近の文脈フレーム、プローブ運動、時間オフセットから将来の超音波観測を予測する。 第二に、ゴール条件時間変換器は、順序づけられたプローブの動きを予測し、凍結世界モデルからの報酬を用いて微調整する。 自己収集データセットの実験は、世界モデルがターゲット指向スキャン上でアクション依存の解剖構造を保存することを示している。 実世界のクローズドループ実験において、このフレームワークは頸動脈誘導で70.0\%、甲状腺誘導で65.0\%の成功率を達成する。 これらの結果は,目標指向型ロボットプローブナビゲーションの学習用超音波力学の可能性を示している。

関連論文リスト

• UltraStar: Semantic-Aware Star Graph Modeling for Echocardiography Navigation [52.786325504418585]
  経路回帰からアンカーベースグローバルローカライゼーションへのプローブナビゲーションを再構成するUltraStarを提案する。 1.31万以上のサンプルを持つデータセットの実験では、UltraStarはベースラインを上回り、より長い入力長でスケールすることが示されている。
  論文  参考訳（メタデータ） (2026-03-02T05:21:06Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• 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)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation [2.3830437836694185]
  本稿では,自律型超音波の潜在タスク表現とロボットスキル適応を提案する。 オフラインの段階では、マルチモーダル超音波技術が統合され、低次元確率モデルにカプセル化される。 オンライン段階では、確率モデルは最適な予測を選択して評価する。
  論文  参考訳（メタデータ） (2023-07-25T08:32:36Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• 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)
• Learning Ultrasound Scanning Skills from Human Demonstrations [6.971573270058377]
  人間の実演から超音波スキャン技術を取得するための学習ベースのフレームワークを提案する。 モデルのパラメータは、熟練したソノグラフィーのデモンストレーションから収集したデータを用いて学習される。 提案手法のロバスト性は,ソノグラフィーによる実データを用いて検証した。
  論文  参考訳（メタデータ） (2021-11-09T12:29:25Z)
• Learning Robotic Ultrasound Scanning Skills via Human Demonstrations and Guided Explorations [12.894853456160924]
  本研究では,人間の実演からロボット超音波スキャン技術を学ぶための学習に基づくアプローチを提案する。 まず,ロボット超音波スキャン技術を高次元マルチモーダルモデルにカプセル化し,超音波画像,プローブのポーズ・配置,接触力を考慮した。 第2に、経験者超音波医師のデモンストレーションから収集したトレーニングデータを用いて、模倣学習の力を利用してマルチモーダルモデルを訓練する。
  論文  参考訳（メタデータ） (2021-11-02T14:38:09Z)
• Automatic Probe Movement Guidance for Freehand Obstetric Ultrasound [4.893896929103368]
  このシステムは、プローブに取り付けられた慣性測定ユニット(IMU)の超音波ビデオ信号と運動信号を受信する人工ニューラルネットワークを用いる。 US-GuideNetと呼ばれるネットワークは、標準的な平面位置への移動(ゴール予測)または、専門家のソノグラフィーが実行する次の動きを予測する。
  論文  参考訳（メタデータ） (2020-07-08T23:58:41Z)

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。