論文の概要: RAUL: Reference-Assisted Ureteroscopy Localization for Skill Assessment

• arxiv url: http://arxiv.org/abs/2609.19236v1
• Date: Wed, 16 Sep 2026 17:05:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.958692
• Title: RAUL: Reference-Assisted Ureteroscopy Localization for Skill Assessment
• Title（参考訳）: RAUL : スキルアセスメントのための基準支援尿路鏡像定位法
• Abstract要約: 尿管鏡下腎臓結石手術中の解剖学のナビゲーションは、繰り返しの介入に寄与する。 本研究の目的は、内視鏡的映像から尿管鏡の軌跡を復元し、ナビゲーションメトリクスを導出し、スキルの違いを定量化することである。 RAULは、通常のSfMパイプラインと比較して、ビデオからの尿管管路の完全な回復を可能にする。
• 参考スコア（独自算出の注目度）: 0.5821479242822444
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Objective: Incomplete navigation of anatomy during ureteroscopic kidney stone surgeries can contribute to repeat interventions. While skilled surgeons have lower reintervention rates, there are no objective metrics to quantify scope-navigation performance to evaluate when a trainee becomes skilled. This work aims to recover ureteroscope trajectories from endoscopic video and derive navigation metrics to quantify differences in skill. Methods: We propose RAUL, a reference-assisted reconstruction framework for recovering ureteroscope trajectories from ureteroscope videos only in phantoms. For each phantom, we use a slow, high-quality reference exploration video to generate a reference reconstruction. We localize subsequent exploration videos against this reference. We evaluate localization accuracy against electromagnetically tracked scope pose. We compute navigation metrics from phantom exploration trajectories to compare surgical residents across experience levels. Results: The proposed reference-assisted framework achieves a mean translation root mean square error of $0.5 \pm 0.1$ mm across 9 phantoms. Compared to standard Structure-from-Motion (SfM), the proposed pipeline increases frame-wise localization coverage from $50.5 \pm 14.9\%$ to $86.1 \pm 7.2\%$ of all video frames. The reconstructed trajectories revealed significant differences between high- and low-experience trainees in established navigation metrics. Conclusion: RAUL enables substantially more complete recovery of ureteroscope trajectories from videos compared to standard SfM pipelines, enabling trajectory-based skill assessment without additional tracking equipment. Significance: To the best of our knowledge, this is the first use of video-only recovery of ureteroscope trajectories without external tracking sensors for skill assessment, supporting scalable automated assessment of ureteroscopy navigation skill.
• Abstract（参考訳）: 目的:尿管鏡下腎結石手術における解剖学の不完全ナビゲーションは、反復的介入に寄与する。 熟練した外科医は再介入率が低いが、訓練者が熟練した時に評価するスコープナビゲーション性能を定量化する客観的な指標は存在しない。 本研究の目的は、内視鏡的映像から尿管鏡の軌跡を復元し、ナビゲーションメトリクスを導出し、スキルの違いを定量化することである。 方法: ファントムのみの尿管鏡映像から尿管の軌跡を復元するための基準支援再建フレームワークであるRAULを提案する。 各ファントムに対して、低速で高品質な参照探索ビデオを使用して参照再構成を生成する。 この参照に対して、その後の探索ビデオをローカライズする。 我々は、電磁的追跡されたスコープポーズに対する位置決め精度を評価する。 ファントム探索トラジェクトリからのナビゲーションメトリクスを計算し、経験レベルにおける外科的居住者の比較を行う。 結果: 提案した基準支援フレームワークは, 9ファントムで0.5 pm 0.1$ mmの平均翻訳根の平均平方誤差を達成した。 標準的なStructure-from-Motion (SfM)と比較して、提案されたパイプラインは、フレームのローカライズ範囲を50.5 \pm 14.9\%$から8.6.1 \pm 7.2\%$に増やしている。 再建された軌道は、確立された航法測度において、高度および低経験の訓練者間で有意な差異が認められた。 結語:RAULは、通常のSfMパイプラインと比較して、ビデオからの尿管管路のほぼ完全な回復を可能にし、トラジェクタベースのスキルアセスメントを、追加のトラッキング機器なしで実現している。 意義:私たちの知る限りでは、外部トラッキングセンサーを使わずに尿管鏡の映像のみの軌跡の回復を初めて利用し、尿管鏡ナビゲーションスキルのスケーラブルな自動評価をサポートする。

関連論文リスト

• Geometry-Aware Visual Odometry for Bronchoscopic Navigation via High-Gain Observer Fusion [13.267244611023324]
  視覚のみのナビゲーションは、従来のビジュアルオドメトリーに代わるスケーラブルな代替手段を提供する。 気道ルーメンの消滅点キューを明示的に活用する幾何対応VOフレームワークを提案する。 本手法は, 電磁的追跡地上真実を用いて, 人工呼吸器によるヒト肺の診断方法を検証するものである。
  論文  参考訳（メタデータ） (2026-07-06T14:46:33Z)
• Scaling Video Pretraining for Surgical Foundation Models [51.92777479821822]
  SurgRecは、スケーラブルで再現可能な、外科的ビデオ理解のための事前学習のレシピだ。 内視鏡,腹腔鏡,白内障,ロボット手術を対象とする10,535ビデオと214.5Mフレームの大規模なコーパスをキュレートした。
  論文  参考訳（メタデータ） (2026-03-31T16:31:25Z)
• Automated Assessment of Kidney Ureteroscopy Exploration for Training [0.32622301272834514]
  そこで本研究では,尿管鏡によるスコープローカライゼーションフレームワークを提案する。 幻の腎臓探索で訓練生が見逃した毛細血管を自動的に識別する。 調査ビデオ15本では,74例中69例が正しく分類された。
  論文  参考訳（メタデータ） (2026-02-17T20:25:04Z)
• AR Surgical Navigation with Surface Tracing: Comparing In-Situ Visualization with Tool-Tracking Guidance for Neurosurgical Applications [0.0]
  本研究では,AR誘導を利用して解剖学的目標を登録し,リアルタイムな計器ナビゲーションを行う新しい手法を提案する。 新規な表面追跡法により標的位置を患者に登録し、リアルタイム赤外線ツールトラッキングを用いてカテーテル配置を支援する。
  論文  参考訳（メタデータ） (2025-08-14T11:46:30Z)
• Auxiliary Input in Training: Incorporating Catheter Features into Deep Learning Models for ECG-Free Dynamic Coronary Roadmapping [17.461510586128874]
  ダイナミック冠のロードマップ作成は、X線アンギオグラフィーのオフライン画像シーケンスから抽出した血管マップ(「ロードマップ」)をリアルタイムでX線フルオロスコープのライブストリームにオーバーレイする技術である。 コントラスト剤注入の繰り返しを必要とせず、介入手術のナビゲーションガイダンスを提供することを目標とし、放射線曝露や腎不全に伴うリスクを低減することを目的としている。
  論文  参考訳（メタデータ） (2024-08-28T17:05:38Z)
• 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)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• 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)
• 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)

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。