論文の概要: MACAW: Reliable And Efficient Surgical Debridement Using Monocular Adaptive Compact Attention Windows

• arxiv url: http://arxiv.org/abs/2609.01961v1
• Date: Wed, 02 Sep 2026 00:34:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.013294
• Title: MACAW: Reliable And Efficient Surgical Debridement Using Monocular Adaptive Compact Attention Windows
• Title（参考訳）: MACAW:単分子適応型コンパクトアテンションウィンドウを用いた信頼性と効率の良い手術用デブリ
• Abstract要約: 人間の外科医の器用さを増すことは、退屈なサブタスクから解放する可能性がある。 我々は,視覚サーボを用いて,ケーブル駆動グリップを画像面の目標位置と整列させる手術用デキスタリティシステムを開発した。 ダ・ヴィンチ・リサーチ・キット(dVRK)ロボットを使用した100以上の物理実験では、カメラフレームサーボにより、4つの最適化ステップで平均グリップ位置オフセットを37から5ピクセル未満に減らし、平均0.39秒に留まった。
• 参考スコア（独自算出の注目度）: 19.646803286582944
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Augmenting the dexterity of human surgeons has the potential to free them from tedious subtasks. We consider debridement (removal of diseased or dead tissue fragments), which is challenging due to imprecision in spatial perception and cable actuation. We develop an augmented dexterity system for surgical debridement that uses visual servoing to align the cable-driven gripper with the target position in the image plane, and then introduces a novel approach to depth control, MACAW: Monocular Adaptive Compact Attention Windows. Across 100 physical trials using the da Vinci Research Kit (dVRK) robot, camera-frame servoing reduced average gripper position offset from 37 to fewer than 5 pixels within 4 optimization steps, taking an average of only 0.39s. MACAW significantly outperforms procedural and learned VLA baselines, achieving a 93% success rate at 11 seconds per fragment, yielding a throughput of 304 fragments per hour. Extending MACAW to a bimanual debridement setup maintains a 92% success rate at an average of 7 seconds per fragment, increasing the throughput to 473 fragments per hour.
• Abstract（参考訳）: 人間の外科医の器用さを増すことは、退屈なサブタスクから解放する可能性がある。 病的, 死亡組織断片の除去は, 空間知覚の不正確さやケーブルのアクティベーションが原因で困難である。 画像平面の目標位置とケーブル駆動グリップを合わせるために視覚サーボを用いた外科的除細動のための拡張デキスタリティシステムを開発し,さらに深度制御のための新しいアプローチであるMACAW: Monocular Adaptive Compact Attention Windowsを導入する。 ダ・ヴィンチ・リサーチ・キット(dVRK)ロボットを使用した100以上の物理実験では、カメラフレームサーボにより、4つの最適化ステップで平均グリップ位置オフセットを37から5ピクセル未満に減らし、平均0.39秒に留まった。 MACAWは手続き的および学習的なVLAベースラインを著しく上回り、1フラグメントあたり11秒で93%の成功率に達し、1時間あたり304フラグメントのスループットを得る。 MACAWをバイマダル・デブリデーション・セットアップに拡張すると、平均して1フラグメントあたり7秒で92%の成功率を維持し、スループットは1時間あたり473フラグメントに向上する。

関連論文リスト

• Embedded Arena: Iterative Optimization via Hardware Feedback [44.54626665766497]
  エージェント共最適化は、精度が3.3%、オーディオが400倍、特徴誤差が6%の視覚モデルに対して250倍の圧縮を達成する。 Elk検出カメラトラップ(96.7%精度)と音声書き起こしウェアラブル(8.44%FER)の2つの実世界のシステムにおける実用的影響を実証する。
  論文  参考訳（メタデータ） (2026-06-15T04:04:23Z)
• Lightweight Distillation of SAM 3 and DINOv3 for Edge-Deployable Individual-Level Livestock Monitoring and Longitudinal Visual Analytics [0.3609538870261841]
  個別レベルの家畜モニタリングのための基礎モデルパイプラインは、精度の高い家畜栽培の精度を高める。 しかし、GPUメモリの予算は、コモディティエッジアクセラレーターのエンベロープを超えている。 このギャップを埋めるため、SAM 3のバックボーンは40.66Mスケールのマルチスケールの学生に蒸留される。 このパイプラインは9級豚の行動分類において97.34%の精度で91.67%のマクロF1を達成している。
  論文  参考訳（メタデータ） (2026-04-29T19:25:22Z)
• A Deployment-Friendly Foundational Framework for Efficient Computational Pathology [48.3868019137117]
  モデルオーバーパラメータ化とパッチレベルの冗長性を緩和するLitePathを提案する。 LitePathは、1億9000万のパッチを使用して3つの大きなPFMから蒸留されたコンパクトなモデルであるLiteFMを統合している。 LitePathはVirchhow2より104.5倍高速で、3000のスライドに対して0.36 kWhを消費する。
  論文  参考訳（メタデータ） (2026-02-15T06:31:50Z)
• Enabling Real-Time Colonoscopic Polyp Segmentation on Commodity CPUs via Ultra-Lightweight Architecture [11.978087816729534]
  我々は超圧縮方式(0.3Mパラメータ)で機能するUltraSegファミリーを提示する。 モデルは、精度を犠牲にすることなく、単一のCPUコア上で90FPSを達成する。 この研究は、大腸内視鏡のためのCPUネイティブなソリューションを提供するだけでなく、より広範に侵襲的な外科的視覚応用のための再現可能な青写真も提供する。
  論文  参考訳（メタデータ） (2026-02-04T10:04:30Z)
• Breast Cell Segmentation Under Extreme Data Constraints: Quantum Enhancement Meets Adaptive Loss Stabilization [1.044992176213712]
  我々のフレームワークは95.5%+/-0.3%のDiceスコアと91.2%+/-0.4%のIoUを599のトレーニング画像で達成している。 限られたアノテーションでパフォーマンスを飛躍的に向上させることで、データセット作成に必要な医療専門家の時間を大幅に短縮する。
  論文  参考訳（メタデータ） (2025-12-02T00:45:21Z)
• Dynamic Arthroscopic Navigation System for Anterior Cruciate Ligament Reconstruction Based on Multi-level Memory Architecture [11.2455528994262]
  このシステムは、トラッキングハードウェアの追加を必要とせず、標準的な鏡視装置でリアルタイムに動作する。 拡張シーケンスでは、静的システムの12.6プラス3.7ピクセルに比べて5.3プラス1.5ピクセルの誤差が維持され、約45%改善された。
  論文  参考訳（メタデータ） (2025-04-28T00:37:15Z)
• An Efficient Ground-aerial Transportation System for Pest Control Enabled by AI-based Autonomous Nano-UAVs [45.07031440932014]
  我々は、害虫検出のための小さな画像ベースの畳み込みニューラルネットワーク(CNN)を設計し、微調整し、最適化する。 我々のCNNは6.8フレーム/秒でリアルタイムに動作し、クレイジーフリーナノUAVに搭載されたGWT GAP9 System-on-Chip上で33mWが必要になります。 このシナリオでは、検査と治療の両方を行う従来の単座車両と比較して、効率的な輸送システムは最大20時間作業時間を節約できる。
  論文  参考訳（メタデータ） (2025-02-20T11:14:55Z)
• Efficient Deformable Tissue Reconstruction via Orthogonal Neural Plane [58.871015937204255]
  変形性組織を再建するための高速直交平面(Fast Orthogonal Plane)を導入する。 我々は外科手術を4Dボリュームとして概念化し、それらをニューラルネットワークからなる静的および動的フィールドに分解する。 この分解により4次元空間が増加し、メモリ使用量が減少し、最適化が高速化される。
  論文  参考訳（メタデータ） (2023-12-23T13:27:50Z)
• 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)
• Automated segmentation of microvessels in intravascular OCT images using deep learning [0.0]
  血管内光コヒーレンス断層撮影(IV OCT)画像における微小血管の自動検出法を開発した。 85病変,37病変から8,403例のOCT画像フレームを解析した。 本手法は,698枚の画像フレームに微小血管が存在するのに対し,手動による解析では730枚の画像フレームが4.4%の差を示した。
  論文  参考訳（メタデータ） (2022-10-01T02:14:14Z)
• EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction [67.11722682878722]
  この研究は、新しいマルチスケール線形注意を持つ高解像度ビジョンモデルのファミリーであるEfficientViTを提示する。 マルチスケール線形注意は,グローバルな受容場とマルチスケール学習を実現する。 EfficientViTは従来の最先端モデルよりも優れたパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2022-05-29T20:07:23Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Improving Efficiency in Large-Scale Decentralized Distributed Training [58.80224380923698]
  通信コストを最小化しつつ、スペクトルギャップを改善して(A)D-PSGDに基づくトレーニングを加速する手法を提案する。 提案手法の有効性を示すために,2000時間Switchboard音声認識タスクとImageNetコンピュータビジョンタスクの実験を行った。
  論文  参考訳（メタデータ） (2020-02-04T04:29:09Z)

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。