論文の概要: Automatic Field-of-View Adjustment for a View-Expansive Microscope via LSTM-Based Gaze and Pipette Motion Interpretation

• arxiv url: http://arxiv.org/abs/2608.10401v1
• Date: Tue, 11 Aug 2026 02:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.872081
• Title: Automatic Field-of-View Adjustment for a View-Expansive Microscope via LSTM-Based Gaze and Pipette Motion Interpretation
• Title（参考訳）: LSTMに基づく視線とピペットの動き解釈による視野拡大型顕微鏡の自動視野調整
• Abstract要約: 細胞質内注入(ICSI)オペレーターは、手順中にしばしば視野(FOV)を調整する。 本稿では、視野拡大顕微鏡と統合されたAIベースの自動FOV調整手法を提案する。
• 参考スコア（独自算出の注目度）: 0.22940141855172028
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intracytoplasmic sperm injection (ICSI) operators frequently adjust the field-of-view (FOV) during procedures, which interrupts workflow and increases procedure time. Conventional microscopes require manual objective lens switching and illumination adjustments to achieve different FOV sizes. We propose an AI-based automatic FOV adjustment method integrated with a view-expansive microscope. This microscope enables the simultaneous acquisition of a large FOV and high-resolution images using a single objective lens through multiview imaging with galvanometer mirrors and high-speed vision, thereby eliminating the need for physical lens exchanges. Our method utilizes a long short-term memory (LSTM) model to predict the appropriate FOV size based on real-time analysis of the pipette's position and velocity, combined with the operator's gaze position. The AI model is trained using ICSI procedure data from an expert with over five years of micromanipulation experience. Experimental evaluation with novice operators reveals that the proposed automatic FOV adjustment system significantly improves the ICSI procedure speed, reducing the average task completion time from 60.5 to 48.0 s (p < 0.001). The experiments also demonstrate that this improvement enables novice operators to achieve ICSI working speeds equivalent to those of expert operators.
• Abstract（参考訳）: 細胞質内精子注入(ICSI)オペレーターは、ワークフローを中断し、プロシージャ時間を増加させるプロシージャの間、しばしばフィールド・オブ・ビュー(FOV)を調整する。 従来の顕微鏡では、異なるFOVサイズを達成するために、手動の対物レンズスイッチングと照明調整が必要である。 本稿では、視野拡大顕微鏡と統合されたAIベースの自動FOV調整手法を提案する。 本発明の顕微鏡は、ガルバノメータミラーによるマルチビューイメージングと高速ビジョンにより、単一対物レンズを用いた大規模FOVと高解像度の画像の同時取得を可能にし、物理的レンズ交換の必要性を解消する。 提案手法では,長い短期記憶モデルを用いて,ピペットの位置と速度をリアルタイムに解析し,演算子の視線位置と組み合わせることで,適切なFOVサイズを予測する。 AIモデルは、5年以上のマイクロマニピュレーション経験を持つ専門家のICSI手順データを使用してトレーニングされる。 初期演算子を用いた実験の結果,提案する自動FOV調整システムはICSIの手順速度を大幅に改善し,平均タスク完了時間を60.5秒から48.0秒(p < 0.001)に短縮した。 また、この改良により、初心者オペレーターは専門家演算子と同等のICSI作業速度を達成できることを示した。

関連論文リスト

• Towards Comprehensive Real-Time Scene Understanding in Ophthalmic Surgery through Multimodal Image Fusion [40.97183044655793]
  本稿では,共同機器検出,キーポイントの局所化,ツール間距離推定を行うための時間的,リアルタイムなネットワークアーキテクチャを提案する。 実験では、信頼性の高い機器のローカライゼーションとキーポイント検出(95.79% mAP50)が示され、i OCTの組み入れにより、ツール・タスク距離の推定が大幅に改善された。
  論文  参考訳（メタデータ） (2026-03-26T15:27:27Z)
• Data-Centric Learning Framework for Real-Time Detection of Aiming Beam in Fluorescence Lifetime Imaging Guided Surgery [3.8261910636994925]
  本研究では,FLImを用いたリアルタイム手術指導のための新しいデータ中心アプローチを提案する。 第一の課題は,特に経口ロボット手術(TORS)における手術環境における複雑で変動的な状態から生じる。 ラベルノイズの最小化と検出ロバスト性の向上により精度を向上させるデータ中心のトレーニング戦略を用いて,インスタンスセグメンテーションモデルを開発した。
  論文  参考訳（メタデータ） (2024-11-11T22:04:32Z)
• Deep intra-operative illumination calibration of hyperspectral cameras [73.08443963791343]
  ハイパースペクトルイメージング (HSI) は, 様々な手術応用に期待できる新しい画像モダリティとして出現している。 手術室における照明条件の動的変化がHSIアプリケーションの性能に劇的な影響を及ぼすことを示す。 手術中におけるハイパースペクトル画像の自動再構成のための新しい学習ベースアプローチを提案する。
  論文  参考訳（メタデータ） (2024-09-11T08:30:03Z)
• FLex: Joint Pose and Dynamic Radiance Fields Optimization for Stereo Endoscopic Videos [79.50191812646125]
  内視鏡的シーンの再構築は、外科手術後の分析から教育訓練まで、様々な医療応用にとって重要な要素である。 変形組織の非常にダイナミックな環境下での移動内視鏡の挑戦的なセットアップに着目する。 複数重重なり合う4次元ニューラルラジアンスフィールド(NeRF)への暗黙的なシーン分離と、再構成とカメラのスクラッチからのポーズを協調的に最適化するプログレッシブ最適化手法を提案する。 これにより、使いやすさが向上し、5000フレーム以上の手術ビデオの処理に間に合うように復元能力を拡張できる。
  論文  参考訳（メタデータ） (2024-03-18T19:13:02Z)
• Physics-informed generative real-time lens-free imaging [8.474666653683638]
  我々は、生成的非教師付き物理インフォームドニューラルネットワーク(PINN)と、簡単なホログラフィック画像再構成のための大視野視野(FOV)設定を組み合わせたGenLFIを紹介する。 実時間LFIシステムの20倍以上である550 mm$2$を超える実時間FOVを実証した。
  論文  参考訳（メタデータ） (2024-03-12T16:20:27Z)
• Calibration-free quantitative phase imaging in multi-core fiber endoscopes using end-to-end deep learning [49.013721992323994]
  位相再構成時間を5.5msに大幅に短縮する学習型MCF位相イメージング法を実証した。 我々はまた,MCF位相イメージングに適した最初のオープンソースデータセットを自動生成する,革新的な光学システムも導入した。 我々の訓練されたディープニューラルネットワーク(DNN)は、99.8%の平均忠実度を持つ実験において、堅牢な位相再構成性能を示す。
  論文  参考訳（メタデータ） (2023-12-12T09:30:12Z)
• LoViT: Long Video Transformer for Surgical Phase Recognition [59.06812739441785]
  短時間・長期の時間情報を融合する2段階のLong Video Transformer(LoViT)を提案する。 このアプローチは、Colec80とAutoLaparoデータセットの最先端メソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-15T20:06:14Z)
• Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
  静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。 第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。 第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
  論文  参考訳（メタデータ） (2023-05-05T13:42:19Z)
• Leveraging generative adversarial networks to create realistic scanning transmission electron microscopy images [2.5954872177280346]
  機械学習は、自律的なデータ収集と処理を通じて材料研究に革命をもたらす可能性がある。 我々は,実空間周波数情報を用いたシミュレーションデータを増大させるために,相互空間判別器を備えたサイクル生成逆数ネットワーク(CycleGAN)を用いる。 完全な畳み込みネットワーク(FCN)をトレーニングして、450万個の原子データセット内の単一原子欠陥を同定することで、我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-18T19:19:27Z)
• 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)
• Real-time Surgical Environment Enhancement for Robot-Assisted Minimally Invasive Surgery Based on Super-Resolution [18.696539908774454]
  本稿では,GAN(Generative Adversarial Network)に基づくビデオ超解像法を提案し,自動ズーム比調整のためのフレームワークを構築する。 外科手術中の関心領域(ROI)の高品質な可視化のために、自動リアルタイムズームを提供する。
  論文  参考訳（メタデータ） (2020-11-08T15:40:05Z)

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。