PulseAugur
中
实时 20:51:49
English(EN) Learning-based Hierarchical Tracheal Anatomy Understanding from Sparse Surgical Demonstration Annotations for Ultrasound Robots

AI框架增强机器人手术中的气管解剖结构理解

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的学习式框架，用于分层气管解剖结构理解，专门为超声引导的机器人手术设计。该系统集成了YOLOv8n定位骨干网络和SAM2解码器，以从稀疏的手术标注中实现高保真分割。该框架展示了0.777的平均Dice相似系数，显著优于U-Net基线，并实现了6.92 FPS的吞吐量，这对于实时机器人操作至关重要。 AI

影响 该框架有望提高气管切开术等机器人辅助手术的精度和安全性。

排序理由 学术论文，详细介绍了一种用于医学成像和机器人的新AI框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI框架增强机器人手术中的气管解剖结构理解

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Hiu Ching Cheung, Wenchao Yue, Zhengran Han, Mingcong Chen, Guanglin Cao, Hongbin Liu, Hongliang Ren ·

    基于学习的稀疏手术演示标注用于超声机器人的气管解剖分层理解

    arXiv:2607.22789v1 Announce Type: cross Abstract: Tracheostomy requires precise localization of the tracheal incision site; however, conventional manual palpation is subjective and often unreliable, while ultrasound utility remains operator-dependent. This work presents a learnin…

相关实体

相关话题