Główne pojęcia
의료 로봇에 대형 언어 모델(LLM)과 도메인 지식을 결합하여 의사의 의도를 이해하고 동적으로 스캐닝 전략을 조정할 수 있는 자율 초음파 스캐닝 기술을 제안합니다.
Streszczenie
이 논문은 의료 로봇의 자율 초음파 스캐닝 기술을 향상시키기 위해 대형 언어 모델(LLM)과 도메인 지식을 통합하는 새로운 체화된 지능 시스템을 제안합니다.
- 초음파 작업 지식 데이터베이스를 설계하여 LLM에 초음파 스캐닝 전문성을 추가하여 정확한 동작 계획을 가능하게 합니다.
- 생각-관찰-실행 프롬프트 엔지니어링 기반의 동적 초음파 스캐닝 전략을 고안하여 LLM이 스캐닝 절차 중에 동적으로 동작 계획 전략을 조정할 수 있게 합니다.
- 광범위한 실험을 통해 제안 시스템이 음성 명령에 따른 초음파 스캔 효율과 품질을 크게 향상시킬 수 있음을 입증합니다.
- 이러한 자율 의료 스캐닝 기술 발전은 비침습적 진단과 의료 워크플로우 효율화에 기여할 것입니다.
Statystyki
초음파 스캐닝 작업을 수행하는 로봇의 동작은 의사의 지시(D), 초음파 지식 증강(U), 초음파 보조 프롬프트 조립(A), 그리고 로봇 동적 실행(Ri)의 반복적인 상호작용을 통해 최종 실행 결과(Cn)를 도출합니다.
제안 시스템의 Ultrasound APIs Retrieval(UAR) 모듈은 기존 모델 대비 Recall@1 0.86, Recall@3 0.96, Recall@10 0.99의 성능을 보였습니다.
제안 시스템의 Robotic Handbook Retrieval(RHR) 모듈은 기존 모델 대비 Recall@1 0.88, Recall@3 0.97, Recall@10 0.98의 성능을 보였습니다.
제안 시스템의 첫 단계 실행 성공률은 70%, 전체 실행 단계 성공률은 45%로 나타났습니다.
Cytaty
"우리는 LLM과 도메인 지식을 통합한 새로운 체화된 지능 시스템을 제안하여 의료 로봇의 자율 초음파 스캐닝 기술을 향상시킵니다."
"우리의 동적 초음파 스캐닝 전략은 LLM이 스캐닝 절차 중에 동적으로 동작 계획 전략을 조정할 수 있게 합니다."
"제안 시스템의 광범위한 실험 결과는 음성 명령에 따른 초음파 스캔 효율과 품질을 크게 향상시킬 수 있음을 입증합니다."