論文の概要: Interactive 3D Cutaway Visualization for Subsurface Target Localization in Robot-Assisted Surgery

• arxiv url: http://arxiv.org/abs/2611.02537v1
• Date: Mon, 02 Nov 2026 05:07:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:57:44.762897
• Title: Interactive 3D Cutaway Visualization for Subsurface Target Localization in Robot-Assisted Surgery
• Title（参考訳）: ロボット支援手術における対話型3次元切欠き可視化
• Abstract要約: 本研究では,ユーザが地下ターゲットを検査できるインタラクティブな3Dカットアウトインタフェースを提案する。 仮想ボックスは平均3D誤差を12.92mmから4.96mmに下げ、深さ誤差を9.48mmから2.07mmに下げた。
• 参考スコア（独自算出の注目度）: 20.491453619312022
• License:
• Abstract: Purpose: Blended augmented reality (AR) overlays can provide ambiguous depth cues in which subsurface anatomy floats above the tissue surface. We investigate whether an interactive 3D cutaway visualization can improve robot-assisted target localization. Methods: We propose Virtual Box, an interactive 3D cutaway interface that allows users to independently manipulate the viewing perspective to inspect subsurface targets. In a controlled, counterbalanced within-subject tissue phantom study, 15 engineering students used Virtual Box and a depth-enhanced blended AR overlay to position a da Vinci instrument at virtual targets in a water tank. We used registered 3D transrectal ultrasound to measure 3D localization error and depth error. We also collected completion time and subjective ratings. Results: Virtual Box reduced mean 3D error from 12.92 to 4.96 mm (61.6% reduction) and depth error from 9.48 to 2.07 mm (78.2% reduction; both p < 0.001). Spatial understanding, depth perception, and confidence ratings were higher (all unadjusted p < 0.001), but completion time increased from 21.64 to 32.58 s (p = 0.008). Overall workload did not differ significantly. Conclusion: Virtual Box improved localization accuracy and perceived spatial understanding in this controlled task, with additional completion time, supporting further evaluation for surgical navigation.
• Abstract（参考訳）: 目的:Blended augmented reality (AR) オーバーレイは、組織表面上に地下解剖が浮かぶあいまいな深さの手がかりを提供することができる。 対話型3次元切り離し可視化がロボットによる目標位置推定を改善できるかを検討する。 方法: 対話型3DカットアウトインタフェースであるVirtual Boxを提案する。 15人の工学生がVirtual Boxと深度を増したARオーバーレイを使って、水槽内の仮想目標にda Vinci計器を配置した。 3次元経直腸超音波検査で3次元局所化誤差と深さ誤差を測定した。 完了時間や主観評価も収集しました。 結果:Virtual Boxは平均3D誤差を12.92mmから4.96mm(61.6%)、深さ誤差を9.48mmから2.07mm(78.2%、どちらも0.001)に下げた。 空間的理解、深度知覚、信頼評価は高く(全て調整されていないp < 0.001)、完了時間は21.64秒から32.58秒(p = 0.008)に増加した。 全体の作業負荷は大きな差はなかった。 結論: 仮想ボックスは, この制御作業における局所化精度と空間的理解を向上し, 作業完了時間を増やし, 手術ナビゲーションのさらなる評価を支援する。

関連論文リスト

• RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment [60.989018864729445]
  対話型3次元から2次元の投影アライメントによる能力評価にRoTA-Benchを導入する。 対象のシルエットが与えられた場合、モデルは回転したオブジェクトを観察し、連続する回転を選択してターゲットの投影を回復する。 GPT-5.6-Solがわずか17%のタスクで成功するのに対し、20人の学部生が100%の成功率でテストセットを4回完了した。
  論文  参考訳（メタデータ） (2026-10-13T03:46:48Z)
• SENDD: Sparse Efficient Neural Depth and Deformation for Tissue Tracking [7.282909831316735]
  3次元組織運動のリアルタイム推定は、ロボットによる外科手術に不可欠である。 SENDD(Sparse Efficient Neural Depth and deformation)モデルでは,従来の2次元追跡作業を拡張して3次元空間内の流れを推定する。 SENDDは、スパースキーポイントマッチのグラフニューラルネットワークを使用して、どこでも深さと3Dフローを推定する。
  論文  参考訳（メタデータ） (2023-05-10T22:04:56Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• Homography Loss for Monocular 3D Object Detection [54.04870007473932]
  ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。 提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
  論文  参考訳（メタデータ） (2022-04-02T03:48:03Z)
• 3D endoscopic depth estimation using 3D surface-aware constraints [16.161276518580262]
  深度推定は3次元表面から行うことができることを示す。 本研究では,表面認識制約を統合した深度推定のための損失関数を提案する。 カメラパラメータは、深さ推定の制御と透明性を高めるために、トレーニングパイプラインに組み込まれる。
  論文  参考訳（メタデータ） (2022-03-04T04:47:20Z)
• PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
  既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。 この2つのタスクを同一のメトリック空間で統一するモデルを提案する。 提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-17T05:11:38Z)

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。