日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

手術ロボティクスarXiv:2606.13032

GeoCFNet: ロボット支援内視鏡的粘膜下層剥離術のための幾何学認識信頼度フィールドネットワーク

GeoCFNet: Geometry-Aware Confidence Field Network for Robot-Assisted Endoscopic Submucosal Dissection

シェア:XThreadsFacebookLINEはてブBluesky

内視鏡手術中の動的なシーンにおいて、煙やハイライト、組織変形などの課題に対処しつつ、解剖ガイドのための信頼度フィールドを幾何学的に推定するネットワークを提案した。

詳しい要約

1. どんなもの?

- ロボット支援ESDのための視覚誘導 - 病変の一括切除を目指す - 信頼度場で切除領域と周辺組織への遷移を表現 - 課題 - 動的な内視鏡シーンでの信頼度場推定が困難 - 煙、鏡面ハイライト、組織変形、弱テクスチャ、薄い幾何構造 - 提案 - GeoCFNet: 幾何認識型信頼度場ネットワーク - 事前学習済みDINOv3バックボーンを利用

2. 先行研究と比べてどこがすごい?

- 従来の信頼度場推定は動的内視鏡シーンで不安定 - 提案手法の利点 - 幾何認識型信頼度場推定問題として定式化 - DINOv3バックボーンを活用 - Token-Differentiated Fusionでクラストークンと密なパッチ表現を統合 - GASRで空間的コヒーレンスと局所幾何遷移を保持 - 先行研究との具体的比較は要旨からは不明

3. 技術・手法の肝は?

- 幾何認識型信頼度場推定問題として定式化 - ネットワーク構成 - 事前学習済みDINOv3バックボーン - Token-Differentiated Fusionモジュール - クラストークンコンテキストと密なパッチ表現を集約 - SegFormerデコーダ - 信頼度回帰を実行 - Geometry-Aware Spatial Regularization (GASR) - 空間的コヒーレンスと局所幾何遷移を保持

4. どうやって有効だと検証した?

- 実験結果 - RMSE 0.0480 - PSNR 27.1995 - SSIM 0.3397 - CC 0.2466 - これらの指標が正確かつ幾何的に安定した信頼度場推定を示す - 具体的な検証方法(データセット、比較手法)は要旨からは不明

5. 議論はある?

- 動的内視鏡シーンの課題(煙、鏡面ハイライト、組織変形、弱テクスチャ、薄い幾何構造)に対処 - 信頼度場推定の精度と幾何的安定性を定量的に評価 - 限界や議論の詳細は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない - 関連手法 - DINOv3 - SegFormer - 信頼度場推定 - ロボット支援ESD - 同分野の定番 - 内視鏡画像解析 - 手術支援ロボティクス

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Rui Tang, Guankun Wang, Long Bai, Haochen Yin, Huxin Gao, Jiewen Lai, Jiazheng Wang, Hongliang Ren

分類: cs.CV

原文アブストラクト

Advanced surgical robotics has made robot-assisted endoscopic submucosal dissection (ESD) a promising approach for the en-bloc resection of large lesions, with the potential to reduce recurrence and improve long-term outcomes. However, the technical complexity and risk of complications in ESD demand stable and precise visual guidance to maintain an accurate dissection corridor and a safe tissue margin. Dense confidence fields provide an effective representation for this purpose by describing both the preferred dissection region and its spatial transition to surrounding tissue. However, reliable confidence field estimation remains challenging in dynamic endoscopic scenes due to smoke, specular highlights, tissue deformation, weak texture, and the thin geometric structure of the target region. To address these challenges, we formulate dissection guidance as a geometry-aware confidence field estimation problem and propose GeoCFNet, a geometry-aware confidence field network built on a pretrained DINOv3 backbone. GeoCFNet integrates a Token-Differentiated Fusion module to aggregate class-token context with dense patch representations, a SegFormer decoder for confidence regression, and Geometry-Aware Spatial Regularization (GASR) to preserve spatial coherence and local geometric transitions. Experimental results show that GeoCFNet achieves RMSE 0.0480, PSNR 27.1995, SSIM 0.3397, and CC 0.2466, indicating accurate and geometrically stable confidence field estimation for robot-assisted ESD guidance.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI