AAAIFeb, 2022

深度动作基元：面向乳腺癌检查机器人的研究

PDF
TL;DR本文提出了基于深度运动原理的操作路径 / 轨迹规划的新方法，成功地生成了机械臂的运动，以到达乳房幻影并进行触诊，表明我们的方法优于现有方法。
breast cancerrobotic systemautonomous palpationrobot learningtrajectory planning
发现论文，激发创造
  • 运用人工智能技术进行乳腺癌检测：系统文献综述

    本研究系统地综述了过去使用深度学习和机器学习进行基因测序或组织学影像检测和治疗乳腺癌的相关工作，并为将来的研究者提供了建议。

    Mar, 2022

  • 神经动态运动基模 —— 综述

    该论文对神经动态运动原理进行文献综述，强调了深度学习对于动态运动原理的研究所带来的影响，并探讨了在机器人领域生产准确的轨迹和控制机器人动态参数的挑战。

    Aug, 2022

  • 乳腺癌筛查乳腺 X 线摄影检测

    乳腺癌是导致癌症相关死亡的主要原因，但目前的计划成本高且容易出现误报，导致不必要的随访和患者焦虑。本文提出了一种自动乳腺癌检测的解决方案，旨在提高筛查计划的效率和准确性。该研究对 RSNA 数据集中的射线乳腺图片进行了不同的方法测试，约有 2 万名女性患者，并在方法间获得了平均验证 pF1 分数为 0.56。

    Jul, 2023

  • 乳腺癌影像中的深度学习：十年进展与未来方向

    该论文通过对过去 10 年深度学习在乳腺癌成像研究的概述和整理，阐述了深度学习在乳腺癌筛查、诊断、治疗反应预测和预后方面的应用，同时探讨了深度学习在乳腺癌成像方面未来研究的挑战和展望。

    Apr, 2023

  • 运动基元扩散：学习可变形物体的轻柔机器人操纵

    机器人辅助手术中的政策学习存在数据效率低和多功能性方法不足的问题，本研究引入了运动原始扩散（MPD），一种新的机器人辅助手术中的模仿学习方法，专注于可变形物体的轻柔操控，通过将扩散型模仿学习（DIL）的多功能性与概率动态运动原始（ProDMPs）的高质量运动生成能力相结合，实现了 MPD 对可变形物体的轻柔操控，同时保持了对稀缺演示数据至关重要的数据效率，通过在多个模拟任务和真实世界的机器人设置上评估 MPD 在状态和图像观测方面表现出优于现有 DIL 方法的成功率、运动质量和数据效率。

    Dec, 2023

  • 基于深度网络的 WHO 乳腺分类中肿瘤判别的搜索与匹配初步研究

    通过使用深度学习模型，我们对 WHO 乳腺肿瘤分类进行了索引和分析，以建立一个可搜索的数字化癌症图谱，从而研究常见和罕见乳腺病变之间的复杂关系。

    Aug, 2023

  • 使用机器学习自动化乳腺 X 光摄影图像分析

    本文提出了一种计算机辅助自动乳房 X 线摄影分析系统，其中包含三个连续的图像处理、特征选择和图像分类阶段，可以有效分类正常或癌症，实验证明该系统可以提高分类性能。

    Dec, 2020

  • 基于深度强化学习的半自主机器人手术控制

    本文提出了一种基于深度强化学习的半自主控制方法，可帮助外科机器人在手术过程中完成一些简单但重复的操作，用户实验表明此框架可将手术时间缩短 19.1％，行程长度缩短 58.7％。

    Apr, 2022

  • 深度触觉模型预测控制的机器人辅助穿衣

    介绍了一种深度循环预测模型，可预测机器人给予人体的服装施加的力量，该模型使用从模拟环境中收集的数据进行自我监督训练，为机器人的穿衣辅助提供了更好的解决方案。

    Sep, 2017

  • 草莓团控深层功能预测控制及触觉预测

    本文提出了一种基于数据驱动前向模型和机器人触觉预测的新方法来解决机器人推动任务中的物理机器人交互问题，并将该模型融入到深度函数预测控制系统中，以控制物体的位移。实验结果表明，该控制器可以成功地控制机器人操纵任务中的物理机器人交互问题，并能够将方法推广到其他物体和任务中。

    Mar, 2023