論文の概要: ProCut: Probabilistic Cutting Topology for Autonomous Electrosurgical Tissue Dissection
- arxiv url: http://arxiv.org/abs/2610.07515v1
- Date: Mon, 05 Oct 2026 23:27:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.70751
- Title: ProCut: Probabilistic Cutting Topology for Autonomous Electrosurgical Tissue Dissection
- Title（参考訳）: ProCut:自律型電気外科組織郭清のための確率的切削トポロジー
- Abstract要約: 本稿では,変形可能な追跡中におけるトポロジ的変化のロバストな推定とモデリングを可能にする新しいフレームワークを提案する。
本研究は,軟部外科手術の自動化に向けてのこの枠組みの可能性を明らかにするものである。
- 参考スコア（独自算出の注目度）: 9.650608651773183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurately modeling and tracking the deformation of soft tissue is critical for a wide range of interventional and surgical procedures. However, current methods struggle in scenarios involving topological changes, such as cutting and dissection, due to the inherent non-linearity and discontinuity introduced by explicit changes in connectivity. In this work, we present a novel, fully differentiable framework that enables robust estimation and modeling of topological changes during deformable tracking. Our method introduces a continuous, sigmoid-based formulation to smooth the otherwise discrete event of tissue cutting, making it amenable to gradient-based optimization within a differentiable Position-Based Dynamics (PBD) simulation. To account for uncertainty and improve robustness in the presence of noisy visual data, we incorporate Stein Variational Gradient Descent (SVGD) for particle-based probabilistic inference, generating multiple hypotheses for topological state estimation. Building on this foundation, we develop an autonomous dissection algorithm for thin-shell tissues that leverages topological updates to guide closed-loop cutting trajectory control. We evaluate our approach in both simulated and real-world electrosurgical environments, demonstrating significant improvements in topological estimation accuracy and dissection precision over existing methods. Our results highlight the potential of this framework to advance automation in soft-tissue surgical procedures by enabling reliable perception and control in the presence of complex structural changes.
- Abstract（参考訳）: 軟部組織の変形の正確なモデリングと追跡は、幅広い介入および外科的処置において重要である。
しかし、現在の手法は、接続の明示的な変化によってもたらされる本質的に非線形性や不連続性のために、切断や切断などのトポロジ的変化を伴うシナリオに苦慮している。
本研究では,変形可能な追跡中におけるトポロジ的変化のロバストな推定とモデリングを可能にする,新しい完全微分可能なフレームワークを提案する。
本手法では, 組織切削の離散的な事象を円滑にするために, 連続的なシグモイドに基づく定式化を導入し, PBDシミュレーションにおいて勾配に基づく最適化が可能となる。
ノイズの多い視覚データの存在下での不確実性を考慮し、ロバスト性を向上させるために、粒子ベースの確率的推論にStein Variational Gradient Descent (SVGD)を導入し、位相状態推定のための複数の仮説を生成する。
この基盤を基盤として, トポロジカル更新を利用して閉ループ切断軌道制御を誘導する, 薄層組織の自動解離アルゴリズムを開発した。
シミュレーションおよび実世界の電気外科環境におけるアプローチの評価を行い,既存の手法に比べて位相的推定精度と解離精度が有意に向上したことを示す。
本研究は, 複雑な構造変化が存在する場合に, 信頼性の高い認識と制御を可能にすることにより, 軟部外科手術における自動化を促進するための枠組みの可能性を明らかにするものである。
関連論文リスト
- Autonomous Precision Milling of Biological Structures via Generic Anatomical Priors and Active Boundary Perception [11.419288902318675]
本稿では、一般的な解剖学の先行とアクティブな境界認識に相補的な役割を割り当てる不確実性を考慮した自律ミル化フレームワークを提案する。
状態適応制御器は、アクティブ知覚と空間選択的漸進的洗練の遷移を制御し、終了基準を満たすまでこのサイクルを繰り返す。
論文 参考訳（メタデータ） (2026-09-11T07:38:30Z) - Learning-Based Adaptive Control for Surgical Robotic Exposure Task on Deformable Tissues [14.594086345997582]
組織抽出作業の現実的なモデルを定式化し、ROI露光を実現するための学習ベースの適応制御フレームワークを提案する。
このフレームワークは、類似したタスクへのゼロショット適応を示し、自律的リトラクション処理を完了できることを示す。
論文 参考訳（メタデータ） (2026-05-18T06:36:53Z) - From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems [51.82266520875928]
この調査では、実行のレベルでアプローチを比較するための統一的な視点として、物理的に制約された実行可能性を紹介します。
本稿では,孤立オフラインモデルから協調シミュレーション,オンラインデータによるディジタル双生児の連続実行に至るまで,実行体制の分類について提案する。
実行可能性の概念は、なぜ正確性だけで不十分なのかを明確にし、セマンティック・インターオペラビリティ、ハイブリッド・タイムの正確性、評価プロトコル、スケーラブルな同化、安全なクローズドループ検証を中心にしたアジェンダを動機付けている。
論文 参考訳（メタデータ） (2026-04-15T07:34:46Z) - Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration [11.36848363285339]
粘弾性組織モデルを用いた組織探索におけるリアルタイム弾性マッピングのための新しい自律型ロボット触診フレームワークを提案する。
商用の力/トルクセンサを用いた力に基づくパラメータ推定と、調整された予測情報密度によって駆動されるエルゴード制御戦略を組み合わせる。
論文 参考訳（メタデータ） (2026-02-15T19:37:21Z) - Deep Skin Lesion Segmentation with Transformer-CNN Fusion: Toward Intelligent Skin Cancer Analysis [7.83167489472557]
本稿では,改良されたTransUNetアーキテクチャに基づく高精度セマンティックセマンティックセマンティクス手法を提案する。
この方法はトランスフォーマーモジュールを従来のエンコーダ・デコーダフレームワークに統合し、グローバルな意味情報をモデル化する。
境界誘導型アテンション機構とマルチスケールアップサンプリングパスも、病変境界の局所化とセグメンテーションの整合性を改善するために設計されている。
論文 参考訳（メタデータ） (2025-08-20T07:59:00Z) - Neural-Augmented Kelvinlet for Real-Time Soft Tissue Deformation Modeling [13.94373407381203]
本稿では,ソフト形状変形のリアルタイム予測を可能にする物理インフォームド・ニューラル・シミュレーション・フレームワークを提案する。
提案手法は, ケビンレットをベースとした解析的先行データと大規模FEMデータを統合し, 非線形組織応答と非線形組織応答の両方を捉える。
これらの結果から,Kelvinlet-augmented Learningは,外科的AIにおけるリアルタイムな物理対応型ソフトタスクシミュレーションのための,原理的かつ計算学的に効率的なパラダイムとして確立された。
論文 参考訳（メタデータ） (2025-06-06T19:22:49Z) - Certified Neural Approximations of Nonlinear Dynamics [51.01318247729693]
安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。
本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
論文 参考訳（メタデータ） (2025-05-21T13:22:20Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳（メタデータ） (2021-03-29T11:30:18Z)
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。