論文の概要: EndoNav: Semantic-to-Geometric Grounding for Language-Guided Robotic Endoscopic Examination
- arxiv url: http://arxiv.org/abs/2608.22093v1
- Date: Sat, 22 Aug 2026 20:01:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.608246
- Title: EndoNav: Semantic-to-Geometric Grounding for Language-Guided Robotic Endoscopic Examination
- Title（参考訳）: EndoNav: 言語誘導型ロボット内視鏡検査のための意味的-幾何学的グラウンドリング
- Abstract要約: EndoNavは解剖学的に構築された自然言語フレームワークで、ハイレベルな外科医のコマンドを自律的な可視化行動に変換する。
患者固有の解剖学的シーン表現に規定された内視鏡的視点剤によって、スポーク外科医コマンドが転写され、解釈される。
- 参考スコア（独自算出の注目度）: 5.2399727632829265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Minimally invasive procedures performed within confined anatomical spaces depend on continuous endoscopic visualization. Current robotic endoscope systems can stabilize or reposition an endoscope, but they do not possess relevant context to provide effective visualization assistance. We present EndoNav, an anatomy-grounded natural-language framework that translates high-level surgeon commands into autonomous endoscopic visualization behaviors within patient-specific sinonasal anatomy. Spoken surgeon commands are transcribed and interpreted by an endoscopic viewpoint agent conditioned on a patient-specific anatomical scene representation. Rather than generating robot motion directly, the viewpoint agent generates structured visualization objectives that are converted into target viewpoints and inspection trajectories, which are then executed through geometry-constrained endoscope motion planning and joint-space control. We evaluate EndoNav using a structured three-pass sinus examination across three CT-derived anatomical models. For one cadaveric specimen, autonomous visualization is compared with sinus examinations performed by two resident surgeons. EndoNav achieved mean visualization IoUs of 87.04% and 84.37% relative to the two surgeon examinations, compared with an inter-surgeon IoU of 87.44%, while recovering 92.91% and 93.20% of surgeon-observed anatomical surfaces, respectively. These results demonstrate the feasibility of grounding high-level anatomical commands into patient-specific geometric objectives and translating them into anatomically constrained robotic visualization behaviors.
- Abstract（参考訳）: 閉じ込められた解剖学的空間内で行われる最小侵襲の手術は、連続的な内視鏡的可視化に依存する。
現在のロボット内視鏡システムは、内視鏡を安定または再配置することができるが、効果的な可視化支援を提供するための関連するコンテキストは持っていない。
本研究では,高位外科手術コマンドを患者固有の鼻腔解剖内における自律的内視鏡的可視化行動に変換する,解剖学的基盤を持つ自然言語フレームワークであるEndoNavを提案する。
患者固有の解剖学的シーン表現に規定された内視鏡的視点剤によって、スポーク外科医コマンドが転写され、解釈される。
視点エージェントは、ロボットの動きを直接生成するのではなく、対象の視点に変換された構造化された可視化目標と検査軌跡を生成し、ジオメトリ制約された内視鏡運動計画と共同空間制御によって実行される。
構造的3パス洞検査をCT由来の3種類の解剖学的モデルに応用し,EndoNavの評価を行った。
1つのカダベリック標本に対して、自律的な可視化は、2人の外科医による洞検査と比較される。
エンドナブは2回の外科検査と比較して平均視認率87.04%と84.37%のIoUを87.44%のインターサージョンIoUと比較し、それぞれ92.91%と93.20%の解剖学的表面を回復した。
これらの結果は,高レベルの解剖学的コマンドを患者固有の幾何学的目的に接地し,解剖学的に制約されたロボット可視化行動に翻訳する可能性を示している。
関連論文リスト
- SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound [60.64817443833982]
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。
論文 参考訳（メタデータ） (2026-04-28T13:44:09Z) - Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。
本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。
SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
論文 参考訳（メタデータ） (2025-09-30T08:59:06Z) - 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) - EndoVLA: Dual-Phase Vision-Language-Action Model for Autonomous Tracking in Endoscopy [26.132684811981143]
VLA(Vision-Language-Action)モデルは、視覚知覚、言語接地、モーションプランニングをエンドツーエンドのフレームワークに統合する。
EndoVLAは,(1)ポリープ追跡,(2)異常粘膜領域の脱線・追尾,(3)周囲切削時の円形マーカーへの付着の3つのコアタスクを実行する。
論文 参考訳（メタデータ） (2025-05-21T07:35:00Z) - Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳（メタデータ） (2024-09-18T13:40:59Z) - An Endoscopic Chisel: Intraoperative Imaging Carves 3D Anatomical Models [8.516340459721484]
本稿では,術前の3次元解剖モデル更新のための第1のビジョンベースアプローチを提案する。
以上の結果より, 外科的進行過程における誤りの減少が示唆された。
論文 参考訳（メタデータ） (2024-02-19T05:06:52Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - 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) - A Temporal Learning Approach to Inpainting Endoscopic Specularities and
Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。
これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。
また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文 参考訳（メタデータ） (2022-03-31T13:14:00Z)
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。