Fugu-MT 論文翻訳(概要): Stomach 3D Reconstruction Based on Virtual Chromoendoscopic Image Generation

論文の概要: Stomach 3D Reconstruction Based on Virtual Chromoendoscopic Image Generation

arxiv url: http://arxiv.org/abs/2004.12288v1
Date: Sun, 26 Apr 2020 04:55:50 GMT
ステータス: 処理完了
システム内更新日: 2022-12-09 13:36:37.837604
Title: Stomach 3D Reconstruction Based on Virtual Chromoendoscopic Image Generation
Title（参考訳）: virtual chromoendoscopic image generationによる胃3次元再建
Authors: Aji Resindra Widya, Yusuke Monno, Masatoshi Okutomi, Sho Suzuki, Takuji Gotoda, Kenji Miki
Abstract要約: そこで本研究では,IC染色を必要とせずに胃全3D再建を行う方法を提案する。我々は,仮想IC(VIC)画像を生成するために,入力と出力のカラーチャネル選択が与える影響を具体的に検討した。
参考スコア（独自算出の注目度）: 8.861883989448215
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Gastric endoscopy is a standard clinical process that enables medical practitioners to diagnose various lesions inside a patient's stomach. If any lesion is found, it is very important to perceive the location of the lesion relative to the global view of the stomach. Our previous research showed that this could be addressed by reconstructing the whole stomach shape from chromoendoscopic images using a structure-from-motion (SfM) pipeline, in which indigo carmine (IC) blue dye sprayed images were used to increase feature matches for SfM by enhancing stomach surface's textures. However, spraying the IC dye to the whole stomach requires additional time, labor, and cost, which is not desirable for patients and practitioners. In this paper, we propose an alternative way to achieve whole stomach 3D reconstruction without the need of the IC dye by generating virtual IC-sprayed (VIC) images based on image-to-image style translation trained on unpaired real no-IC and IC-sprayed images. We have specifically investigated the effect of input and output color channel selection for generating the VIC images and found that translating no-IC green-channel images to IC-sprayed red-channel images gives the best SfM reconstruction result.
Abstract（参考訳）: 胃内視鏡は、医師が患者の胃内の様々な病変を診断できる標準的な臨床プロセスである。病変が発見された場合、胃の全体像と対比して病変の位置を認識することが非常に重要である。従来の研究では,SfM (Structure-from-motion) パイプラインを用いて胃の形状を再構成することにより,胃表面のテクスチャを増強し,SfMの特徴マッチングを高めるために,インディゴカーミン (IC) ブルーディスプレー画像を使用した。しかし、胃全体にic染料を散布するには追加の時間、労力、費用が必要であり、患者や開業医には望ましくない。本稿では,非対位な実非対位画像とIC-spray画像に基づいて,仮想IC-sprayed (VIC) 画像を生成することで,IC染色を必要とせずに胃全体の3D再構成を実現する方法を提案する。 vic画像の生成における入力・出力カラーチャネル選択の効果を具体的に検討し,no-icグリーンチャネル画像からicスプレー赤チャネル画像への変換が最適なsfm再構成結果をもたらすことを見出した。

関連論文リスト

Single color digital H&E staining with In-and-Out Net [0.8271394038014485]
本稿では,仮想染色タスクに特化して設計された新しいネットワークIn-and-Out Netを提案する。我々はGAN(Generative Adversarial Networks)に基づいて,反射共焦点顕微鏡(RCM)画像からヘマトキシリンおよびエオシン染色画像へ効率的に変換する。
論文参考訳（メタデータ） (2024-05-22T01:17:27Z)
Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文参考訳（メタデータ） (2023-11-22T05:44:51Z)
Transformer-based Dual-domain Network for Few-view Dedicated Cardiac SPECT Image Reconstructions [8.510419245628983]
高品質な3次元心筋SPECT画像再構成のための新しい3次元トランスフォーマーベースデュアルドメインネットワークTIP-Netを提案する。本手法は,3次元心筋SPECT画像を直接投影データから再構成することを目的としている。
論文参考訳（メタデータ） (2023-07-18T20:39:14Z)
Virtual stain transfer in histology via cascaded deep neural networks [2.309018557701645]
ケースドディープニューラルネットワーク(C-DNN)による仮想染色伝達フレームワークの実証を行った。 C-DNNは、入力として1つの染色タイプのみを取り込んで別の染色タイプの画像をデジタル出力する単一のニューラルネットワーク構造とは異なり、まず仮想染色を使用して、自己蛍光顕微鏡画像をH&Eに変換する。我々は,H&E染色組織像を仮想PAS( periodic acid-Schiff)染色に変換することに成功した。
論文参考訳（メタデータ） (2022-07-14T00:43:18Z)
CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。実験の結果、CyTranは競合するすべての手法より優れています。
論文参考訳（メタデータ） (2021-10-12T23:25:03Z)
Proxy-bridged Image Reconstruction Network for Anomaly Detection in Medical Images [59.700111685673846]
医学画像における異常検出は、トレーニングセット内の正常画像のみを含む異常画像の識別を指す。本稿では,医療画像の異常検出のための新しいプロキシブリッジ画像再構成ネットワーク(ProxyAno)を提案する。
論文参考訳（メタデータ） (2021-10-05T00:40:43Z)
Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文参考訳（メタデータ） (2021-08-12T08:46:35Z)
A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
論文参考訳（メタデータ） (2021-07-09T13:35:59Z)
Stain Style Transfer of Histopathology Images Via Structure-Preserved Generative Learning [31.254432319814864]
本研究では,SSIM-GANとDSCSI-GANの2つのステンスタイル転送モデルを提案する。学習における構造保存指標と補助診断ネットのフィードバックを協調することにより、医療関連情報をカラー正規化画像に保存する。
論文参考訳（メタデータ） (2020-07-24T15:30:19Z)
Design and Development of a Web-based Tool for Inpainting of Dissected Aortae in Angiography Images [69.14026408176609]
提案した塗布ツールは、大動脈解離を塗布するタスクに基づいてトレーニングされたニューラルネットワークを組み合わせたものである。ツールをWebアプリケーションとして設計することにより、ニューラルネットワークの使用を簡素化し、初期学習曲線を小さくする。
論文参考訳（メタデータ） (2020-05-06T12:22:21Z)
Graph Attention Network based Pruning for Reconstructing 3D Liver Vessel Morphology from Contrasted CT Images [28.611953211330125]
本稿では,畳み込みニューラルネットワークとグラフアテンションネットワークを用いた肝血管形態再構成の枠組みを提案する。完全な畳み込みニューラルネットワークは、まず肝臓の中枢熱マップを生成するために訓練される。その後、画像処理に基づくアルゴリズムを用いて、熱マップに基づいてオーバーコンストラクトされた肝血管グラフモデルをトレースする。
論文参考訳（メタデータ） (2020-03-18T01:03:33Z)

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。