論文の概要: Multimodal Progress-Residual Fusion for Anticipating Navigation Retreat in Robotic Flexible Endoscopy

• arxiv url: http://arxiv.org/abs/2610.31028v2
• Date: Wed, 28 Oct 2026 05:35:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-30 22:39:27.473124
• Title: Multimodal Progress-Residual Fusion for Anticipating Navigation Retreat in Robotic Flexible Endoscopy
• Title（参考訳）: ロボットフレキシブル内視鏡におけるナビゲーション再処理予測のためのマルチモーダルプログレス-残留核融合法
• Abstract要約: 本稿では,操作者のコマンドからの撤退,電磁的(EM)トラッキング,内視鏡的ビデオなどを予測する因果モデルを提案する。 150-episode colon-phantom collectionにおいて,MPRFは0.580+/- 0.007 AUPRCを3種で達成した。
• 参考スコア（独自算出の注目度）: 5.040465341168631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flexible robotic endoscopes provide access through tortuous anatomy, where friction, deformation, and wall interaction separate commanded insertion from useful distal progress. Operators interpret this mismatch and retreat to recover a navigable configuration. Recognizing the approach to that decision requires relating motor intent to distal response and the local visual scene. We introduce Multimodal Progress-Residual Fusion (MPRF), a causal model that anticipates operator retreat from commands, electromagnetic (EM) tracking, and endoscopic video. A nominal-progress model predicts the response expected in normal or successful navigation; a temporal predictor combines its EM residual with all three observed modalities. In a 150-episode colon-phantom collection, MPRF achieves 0.580 +/- 0.007 AUPRC across three seeds, compared with 0.511 for the strongest reduced-modality control. Complete multimodal histories provide the principal ranking advantage, while the residual adds an explicit intent-response representation with a small, uncertain increment over raw fusion. Analysis of frozen alarms relates warning timing to the behavioral label and explains the increase in event recall under a longer matching window. These results establish a basis for behavioral assistance during operator-controlled navigation.
• Abstract（参考訳）: フレキシブル・ロボット・内視鏡は、摩擦、変形、壁の相互作用が有用な遠位進路から指示された挿入を分離する、丈夫な解剖学を通してアクセスする。 オペレータは、このミスマッチを解釈して、ナビゲート可能な構成を回復する。 この決定に対するアプローチを認識するには、運動意図と遠位反応と局所的な視覚シーンとの関連性が必要である。 本稿では,Multimodal Progress-Residual Fusion (MPRF)について紹介する。 名目進行モデルでは、通常の航法や成功航法で期待される応答を予測し、時間的予測器はそのEM残差を3つの観測モードすべてと組み合わせる。 150-episode colon-phantom collectionにおいて,MPRFは0.580+/- 0.007 AUPRCを3種で達成した。 完全なマルチモーダルヒストリーは主要なランク付けの優位性を提供する一方、残余は生融合よりも小さく、不確実な増分を持つ明示的な意図応答表現を付加する。 凍結アラームの解析は、警告タイミングを行動ラベルに関連付け、より長いマッチングウィンドウの下でのイベントリコールの増加を説明する。 これらの結果は,操作者制御ナビゲーションにおける行動支援の基盤となる。

関連論文リスト

• ReDiS: Reasoning-Diagnosis Self-Evolution for Multimodal Reasoning in Remote Sensing [53.65780048695954]
  我々は、推論探索と候補評価を分離するフレームワークである textbfReasoning-Diagnosis-Self-Evolution (ReDiS) を導入する。 多様な視覚的証拠を探索するtextbfReasoner と、完全な候補セットを共同で評価する textbfDiagnoser である。 LHRS-Bench, MME-RS, CHOICEの実験では、Qwen3.5バックボーンを0.8B, 2B, 4Bスケールで一貫した改善が見られた。
  論文  参考訳（メタデータ） (2026-10-13T13:38:02Z)
• STORK: Spatio-Temporal Observation of uterine contRactions via neural networKs [1.061415514778407]
  胎児MRIにおける子宮収縮は通常手動で特定され、廃棄される。 我々は、粗い時間レベルラベルのみを用いて動的MRIシリーズに基づいて訓練されたマルチ時間学習モデルであるSTORKを紹介する。
  論文  参考訳（メタデータ） (2026-10-07T07:44:07Z)
• An Accurate and Interpretable Hyper Graph Neural Network for GBM Survival Prediction [0.0]
  Glioblastoma multiforme (GBM) の生存予測には、正確かつ解釈可能なモデルが必要である。 両目的を同時に扱うために3つのコンポーネントを集約するマルチモーダルフレームワークを提案する。 これは、脳MRIからの解釈可能な生存予測のための、せん断ハイパーグラフの畳み込み、概念ボトルネックの監督、EST正則化を統一する最初の研究である。
  論文  参考訳（メタデータ） (2026-09-19T08:47:43Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• BCI-Based Assessment of Ocular Response Time Using Dynamic Time Warping Leveraging an RDWT-Driven Deep Neural Framework [1.7883249184785495]
  本稿では,脳波(EEG)とAR(AR)をベースとしたVestibular/Ocular Motor Screening(VOMS)タスクを統合した初期フレームワークを提案する。 EEG信号は、RDWT(Redundant Discrete Wavelet Transform)駆動のディープニューラルフレームワークを用いて分析される。 Pearson相関を用いてスライディング・ウインドウの予測を検証し、その後、動的時間ワープ(DTW)を用いて眼反応時間を推定した。
  論文  参考訳（メタデータ） (2026-05-14T14:28:11Z)
• Persistent Visual Memory: Sustaining Perception for Deep Generation in LVLMs [66.15429821530503]
  Persistent Visual Memoryは、ビジュアルエビデンスへの持続的でオンデマンドアクセスを強化するために設計された、軽量の学習可能なモジュールである。 Qwen3-VLモデルの実験は、PVMが無視可能なパラメータオーバーヘッドで顕著な改善をもたらすことを示した。 詳細な分析により、PVMはより長い世代で堅牢性が向上し、内部予測収束が加速することが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-01T17:54:37Z)
• Event-Level Detection of Surgical Instrument Handovers in Videos with Interpretable Vision Models [32.17113044802459]
  手術ビデオにおける機器ハンドオーバの事象レベルの検出と方向分類のための視覚フレームワークを提案する。 統一マルチタスク定式化は、ハンドオーバの発生と相互作用方向を共同で予測する。 腎臓移植術のデータセットに関する実験は、強い性能を示す。
  論文  参考訳（メタデータ） (2026-04-08T20:31:28Z)
• Digital FAST: An AI-Driven Multimodal Framework for Rapid and Early Stroke Screening [0.7136933021609076]
  本研究では,F.A.S.T.アセスメントで収集したデータをもとに,高速かつ非侵襲的な2次脳卒中自動スクリーニングのための多モード深層学習フレームワークを提案する。 提案手法は, 表情, 音声信号, 上体動作からの相補的な情報を統合し, 診断の堅牢性を高める。
  論文  参考訳（メタデータ） (2026-01-17T03:35:39Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)

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。