論文の概要: Robotic Optical Coherence Tomography-Guided Geometric Modeling of Soft Tissue: 3D Representations for Data-Driven Closed-Loop Shape Control

• arxiv url: http://arxiv.org/abs/2610.32961v1
• Date: Fri, 23 Oct 2026 17:52:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.627029
• Title: Robotic Optical Coherence Tomography-Guided Geometric Modeling of Soft Tissue: 3D Representations for Data-Driven Closed-Loop Shape Control
• Title（参考訳）: ロボット光コヒーレンストモグラフィによる軟組織の幾何学的モデリング:データ駆動閉ループ形状制御のための3次元表現
• Abstract要約: 医療ロボティクスでは、データ駆動型ソフトチップ形状制御は、シーケンシャルな物理的相互作用を通じて、望ましい形態に向かって変形組織を必要とする。 この課題は、局所的な変形が観察、表現、制御が困難であるマイクロスケール操作において特に重要である。 我々は、組織形状制御のためのOCT誘導型データ駆動フレームワークを導入し、ユーザガイドによるデモから学び、閉ループCTフィードバックで実行した。
• 参考スコア（独自算出の注目度）: 0.9927073290898849
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In medical robotics, data-driven soft-tissue shape control requires deforming tissue toward desired morphologies through sequential physical interactions. This challenge is particularly important in microscale manipulation, where localized deformation is difficult to observe, represent, and control, while physics-based models can be computationally expensive and difficult to adapt to realistic environments. Optical coherence tomography (OCT) provides high-resolution volumetric perception of tissue deformation, but target-conditioned control requires effective representations of both observed and desired tissue states. In this work, we introduce an OCT-guided data-driven framework for tissue shape control, learned from user-guided demonstrations and executed with closed-loop OCT feedback. We study full-volume, tissue-masked sparse-volume, and voxelized point-cloud representations, with or without residual conditioning, using deterministic (Explicit) and generative diffusion (Diffusion) policies. Across 12 configurations and 576 phantom rollouts on 3-DoF depth and 6-DoF directional tasks, OCT-derived 3D representations support both Explicit and Diffusion policies, with performance depending on representation and residual conditioning. Residual conditioning reduces directional Shape RMSE from 0.748 to 0.555 mm for full-volume Diffusion, while voxelized point-cloud Explicit with residuals achieves 0.534 mm for depth and 0.443 mm for directional control, with comparable accuracy at intermediate unseen targets and consistent performance across deployments. We further evaluate the framework in 60 ex vivo porcine rollouts, extending to biological tissue with final geometric errors comparable to human demonstrations. These results establish volumetric OCT as current and goal representations for learned closed-loop tissue shape control across deterministic and generative action models.
• Abstract（参考訳）: 医療ロボティクスでは、データ駆動型ソフトチップ形状制御は、シーケンシャルな物理的相互作用を通じて、望ましい形態に向かって変形組織を必要とする。 この課題は、局所的な変形を観察、表現、制御することが困難であるマイクロスケール操作において特に重要であり、一方物理ベースのモデルは計算コストが高く、現実的な環境に適応することが困難である。 光コヒーレンストモグラフィー(OCT)は、組織変形の高分解能な容積知覚を提供するが、標的条件制御は観察された組織状態と所望の組織状態の両方を効果的に表現する必要がある。 本研究では,組織形状制御のための OCT 誘導型データ駆動型フレームワークを導入し,ユーザガイドによる実験から学び,閉ループ OCT フィードバックで実行した。 本研究は, 決定論的(明示的)および生成拡散(拡散)政策を用いて, 完全体積, 組織マズードスパース体積, ボキセル化点雲表現について検討した。 12の構成と576のファントムロールアウトを3-DoFの深さと6-DoFの方向タスクで行い、OCT由来の3D表現は明示的および拡散的ポリシーの両方をサポートし、表現と残留条件に依存している。 残留条件付けにより、方向方向のRMSEはフルボリューム拡散では 0.748 から 0.555 mm に減少する一方、残差を持つボキセル化点雲は 0.534 mm に、方向制御では 0.443 mm に減少し、中間の未確認目標では同等の精度で、配置全体で一貫した性能を持つ。 さらに,60頭のブタの生体外ロールアウトにおいて,ヒトに匹敵する最終的な幾何学的誤差を伴って生体組織まで拡張した。 これらの結果は, 決定的および生成的行動モデル間で学習された閉ループ組織形状制御の電流および目標表現として, 容積 OCT を確立した。

関連論文リスト

• CONFLUX: A Latent Diffusion Model for 3D Chest-CT Synthesis with RL Post-Training [2.2462804525190427]
  3次元医用画像の制御可能な生成モデルは、特定の臨床属性でボリュームを合成することができる。 胸部CTにおける潜伏拡散モデルであるCONFLUXについて述べる。 3D変分オートエンコーダは各ボリュームを圧縮し、整流変圧器は潜時空間で発生する。
  論文  参考訳（メタデータ） (2026-07-03T06:31:00Z)
• Conditional Graph Neural Network for Predicting Soft Tissue Deformation and Forces [0.9986418756990159]
  この複雑さに対処するために、新しいデータ駆動モデル、条件付きグラフニューラルネットワーク(cGNN)を導入する。 本モデルでは, 表面点と印加力の位置を計測し, 点の変形とそれらに作用する力を予測するように設計されている。 軟組織ファントムの表面追跡データを実験で収集し,転送学習を用いてデータ不足を克服した。
  論文  参考訳（メタデータ） (2025-07-07T13:33:39Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
  ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。 これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。 テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
  論文  参考訳（メタデータ） (2023-12-11T07:09:32Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。