論文の概要: HumynexSurg-1: A Curated Expert Liposuction Dataset

• arxiv url: http://arxiv.org/abs/2609.23885v1
• Date: Sun, 20 Sep 2026 21:42:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.013503
• Title: HumynexSurg-1: A Curated Expert Liposuction Dataset
• Title（参考訳）: HumynexSurg-1: 専門家の脂肪吸引データセット
• Abstract要約: Humynex Roboticsは、リップ吸引のための専門家データセットをキュレートした。 Surg-1 は豚の腹部組織に作用する主脂肪吸引外科医である。 14話、42,738フレーム、35.6分、356発でリリースされた。 NVIDIA Isaac GR00T N1.7 fine-tunes on the dataset with no custom code in one hour per run。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot foundation models learn manipulation from large demonstration corpora, but surgery is missing from those corpora: across the 780-hour Open-H surgical collection, one dataset carries synchronized force and none covers an aesthetic procedure. Liposuction is the hard case, because the instrument works under the skin and the surgeon operates by feel and by judgment. Humynex Robotics builds curated expert datasets for this kind of procedure. HumynexSurg-1 is the first release: a master liposuction surgeon performing on porcine abdominal tissue while narrating every decision, recorded with synchronized suction pressure, six-axis hand force/torque, top-down RGB-D video, side video and a lavalier microphone -- 14 episodes, 42,738 frames, 35.6 minutes, 356 utterances of which 95% compile into a liposuction-specific label schema. The capture follows a patent-pending sensing plan organized around the quantities a policy needs, so a channel captured today by a model can be upgraded to a sensor tomorrow without changing the data format. This release captures the instrument motion as a tool-hand track in the side video and provides the force channel as state; the funded capture adds a measured 6-DoF handle pose, a validated force channel, ultrasound imaging of the fat layer, and palpation sensing. As a proof of concept, NVIDIA Isaac GR00T N1.7 fine-tunes on the dataset with no custom code in under an hour per run and learns the recorded sessions; scaling probes on the same episodes show where further gains come from: every new session lowers the error on an unseen session. The dataset, its label schema, its quality-assurance reports and its evaluation protocol are the product; the next capture, many short sessions across fat regions with the sensors named here, is what the probes point to.
• Abstract（参考訳）: ロボットファンデーションモデルは、大規模なデモコーパスから操作を学ぶが、これらのコーパスから手術が欠落している。 楽器は皮膚の下に作用し、外科医は感覚と判断によって作動するため、脂肪吸引は難しいケースである。 Humynex Roboticsは、この種の手順のために、キュレートされた専門家データセットを構築している。 HumynexSurg-1は最初のリリースで、豚の腹部組織で手術を行い、すべての意思決定をナレーションしながら、同期吸引圧、6軸手力/トルク、トップダウンRGB-Dビデオ、サイドビデオ、ラヴァリエマイクで記録したマスターリップスケーション外科医 -- 14エピソード、42,738フレーム、35.6分、356発の発声で、95%がリポスペーション固有のラベルスキーマにコンパイルされる。 このキャプチャーは、ポリシーが必要とする量に基づいて構成された特許出願済みのセンシング計画に従っているため、今日、モデルによって取得されたチャネルは、データフォーマットを変更することなく、明日センサーにアップグレードすることができる。 このリリースでは、サイドビデオのツールハンドトラックとして楽器の動きをキャプチャし、状態としてフォースチャネルを提供し、資金提供されたキャプチャには、測定された6-DoFハンドルポーズ、検証された力チャンネル、脂肪層の超音波イメージング、および触覚センサーが追加されている。 概念実証として、NVIDIA Isaac GR00T N1.7は、1ラン当たり1時間以内のカスタムコードなしでデータセット上で微調整を行い、記録されたセッションを学習する。 データセット、ラベルスキーマ、品質保証レポート、評価プロトコルは製品であり、次のキャプチャーは、ここに名前のついたセンサーが付いた太った領域にまたがる多くの短いセッションが、プローブが指しているものだ。

関連論文リスト

• 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)
• Smart Operation Theatre: An AI-based System for Surgical Gauze Counting [0.0]
  手術中、患者の体内に医療用ガウジが残るリスクがあり、「ゴシピボマ」につながる。 シンガポール総合病院と共同で,手術現場でガウズ計数を行うAIベースのシステムを開発した。
  論文  参考訳（メタデータ） (2026-03-21T10:49:37Z)
• SurgPose: a Dataset for Articulated Robotic Surgical Tool Pose Estimation and Tracking [42.05426874677755]
  SurgPoseは、視覚手術ツールの推測と追跡のためのインスタンス対応セマンティックキーポイントとスケルトンである。 SurgPoseデータセットは6つのカテゴリの約120kの手術器具インスタンス(トレーニング用80k、バリデーション用40k)で構成されている。 ビデオはステレオペアで収集されるため、2Dのポーズはステレオマッチングの深さに基づいて3Dに持ち上げることができる。
  論文  参考訳（メタデータ） (2025-02-17T08:04:53Z)
• Fusing uncalibrated IMUs and handheld smartphone video to reconstruct knee kinematics [1.5728609542259502]
  本稿では,ハンドヘルドスマートフォンの映像とウェアラブルセンサデータの完全な時間分解能を両立させる手法を提案する。 歩行障害のない人,下肢義肢使用者,脳卒中歴のある人を対象に,これを検証した。
  論文  参考訳（メタデータ） (2024-05-27T17:23:16Z)
• 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)
• Automatic Detection of Out-of-body Frames in Surgical Videos for Privacy Protection Using Self-supervised Learning and Minimal Labels [4.356941104145803]
  手術映像における身体外フレームを正確に検出するフレームワークを提案する。 我々は大量の未ラベルの内視鏡画像を用いて、自己監督的な方法で意味のある表現を学習する。
  論文  参考訳（メタデータ） (2023-03-31T14:53:56Z)
• Pseudo-label Guided Cross-video Pixel Contrast for Robotic Surgical Scene Segmentation with Limited Annotations [72.15956198507281]
  シーンセグメンテーションを促進するために,新しい擬似ラベル付きクロスビデオコントラスト学習法であるPGV-CLを提案する。 本研究では,ロボット外科手術データセットEndoVis18と白内障手術データセットCaDISについて検討した。
  論文  参考訳（メタデータ） (2022-07-20T05:42:19Z)
• D'ARTAGNAN: Counterfactual Video Generation [3.4079278794252232]
  因果的対応の機械学習フレームワークは、臨床医がカウンターファクトの質問に答えることで、治療の最良のコースを特定するのに役立つ。 我々は、D'ARTAGNANを構築するために、ディープニューラルネットワーク、ツイン因果ネットワーク、および生成的敵法を初めて組み合わせる。 新しい超音波ビデオを生成し, 所定の入力に設定したエジェクション・フラクションのバリエーションを用いて, 元の患者の映像スタイルと解剖を保ちながら, 超音波ビデオを生成する。
  論文  参考訳（メタデータ） (2022-06-03T15:53:32Z)
• Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
  大腸ポリープの発達は、がんの最も初期の兆候の1つである。 ポリープの早期検出と切除は生存率を90%に大きく向上させる。 大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
  論文  参考訳（メタデータ） (2021-10-17T09:31:20Z)

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。