論文の概要: Sensorium: An Open-Source Multimodal Data Collection and Curation Library for Embodied Surgical AI

• arxiv url: http://arxiv.org/abs/2610.41946v1
• Date: Fri, 30 Oct 2026 16:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.802416
• Title: Sensorium: An Open-Source Multimodal Data Collection and Curation Library for Embodied Surgical AI
• Title（参考訳）: Sensorium: 手術用AIのためのオープンソースのマルチモーダルデータコレクションとキュレーションライブラリ
• Abstract要約: ロボットやセンサストリームからマルチモーダルな手術データを記録、処理、注釈付け、キュレートするためのオープンソースのPythonライブラリであるSensoriumを提示する。 ファントム, 生体外, および生体内のブタ実験の1516回にわたって, 複数の外科的タスクと感覚構成を含むセンタリウムを評価した。
• 参考スコア（独自算出の注目度）: 1.8356270865176245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied surgical AI requires reliable multimodal data, yet surgical data collection remains costly, difficult to repeat, and strongly dependent on the hardware setup. We present Sensorium, an open-source Python library for recording, processing, annotating, and curating multimodal surgical data from configurable robot and sensor streams using the Robot Operating System (ROS) and ROS2 middleware. The library combines operator-facing data acquisition, configurable processing, semantic annotation, and episodic dataset generation. We evaluate Sensorium across 1516 recordings of phantom, ex vivo, and in vivo porcine experiments involving multiple surgical tasks and sensing configurations, and report preliminary usability feedback.
• Abstract（参考訳）: 手術用AIは信頼性の高いマルチモーダルデータを必要とするが、手術用データ収集にはコストがかかり、繰り返しは困難であり、ハードウェアのセットアップに強く依存している。 本稿では,Robo Operating System (ROS) とROOS2ミドルウェアを用いて,構成可能なロボットおよびセンサストリームから,マルチモーダルな手術データを記録,処理,注釈,キュレートするオープンソースのPythonライブラリであるSensoriumを提案する。 このライブラリは、オペレータが対象とするデータ取得、設定可能な処理、セマンティックアノテーション、エピソードデータセット生成を組み合わせたものだ。 ファントム, 生体外, および生体内実験を1516回記録し, 複数の外科的タスクとセンサー構成を伴い, 予備的ユーザビリティフィードバックを報告した。

関連論文リスト

• Open-H-Embodiment: A Large-Scale Dataset for Enabling Foundation Models in Medical Robotics [131.25998619318702]
  医療用ロボットビデオの最大のオープンデータセットであるOpen-H-Embodimentを紹介した。 GR00T-Hは、医療ロボティクスのための最初のオープン・ファンデーション・ビジョン・ランゲージ・アクション・モデルである。 我々は,多体手術シミュレーションを可能にする最初の行動条件世界モデルであるCosmos-H-Surgical-Simulatorを訓練する。
  論文  参考訳（メタデータ） (2026-04-22T19:05:17Z)
• OpenRC: An Open-Source Robotic Colonoscopy Framework for Multimodal Data Acquisition and Autonomy Research [36.65725257567292]
  オープンソースのモジュール型ロボット大腸内視鏡フレームワークOpenRCについて紹介する。 ビデオ、オペレーターコマンド、アクティベーション状態、遠位端ポーズの同時記録をサポートする。 遠隔操作型エピソード1,894回からなるマルチモーダルデータセットを10種類のタスクバリエーションで収集した。
  論文  参考訳（メタデータ） (2026-04-04T16:07:33Z)
• 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)
• SurgSync: Time-Synchronized Multi-Modal Data Collection Framework and Dataset for Surgical Robotics [10.525174085495314]
  SurgSyncは、オフラインおよびオンライン同期を備えたマルチモーダルデータ収集フレームワークで、トレーニングとリアルタイム推論をサポートする。 このフレームワークはda Vinci Research Kit (dVRK)で実装されている。
  論文  参考訳（メタデータ） (2026-03-06T22:38:45Z)
• MiDAS: A Multimodal Data Acquisition System and Dataset for Robot-Assisted Minimally Invasive Surgery [4.287077788799387]
  MiDASは、手術用ロボットプラットフォーム全体にわたる、時間同期で非侵襲的なマルチモーダルデータ取得のためのプラットフォームに依存しないシステムである。 オープンソース Raven-II と da Vinci Xi のMIDAS をペグ転送とヘルニア修復作業のマルチモーダルデータセットを用いて検証した。
  論文  参考訳（メタデータ） (2026-02-12T20:56:15Z)
• XiCAD: Camera Activation Detection in the Da Vinci Xi User Interface [36.952464191650435]
  ロボットによる最小侵襲手術は、単独の術中視覚フィードバックとして内視鏡的映像に依存している。 Da Vinci Xiシステムは、内視鏡アームのアクティベーションを含む各ロボットアームの状態を示すグラフィカルユーザインタフェース(UI)をオーバーレイする。 我々は、カメラタイルの位置を自動的に識別するResNet18畳み込みニューラルネットワークに基づく軽量パイプラインを開発した。
  論文  参考訳（メタデータ） (2025-11-25T12:29:10Z)
• 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)
• AutoLaparo: A New Dataset of Integrated Multi-tasks for Image-guided Surgical Automation in Laparoscopic Hysterectomy [42.20922574566824]
  ヒステリクトミー手術における学習ベースの自動化を容易にするために,複数の画像に基づく知覚タスクを組み込んだ最初の統合データセットを提示,リリースする。 我々のAutoLaparoデータセットは、全子宮摘出術のフル長ビデオに基づいて開発されている。 具体的には、外科的ワークフロー認識、腹腔鏡運動予測、機器とキー解剖のセグメンテーションを含む、3つの異なる高相関なタスクがデータセットで定式化されている。
  論文  参考訳（メタデータ） (2022-08-03T13:17:23Z)
• A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
  Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。 ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。 我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
  論文  参考訳（メタデータ） (2020-04-16T21:06:49Z)

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。