論文の概要: Joint Scene and Object Tracking for Cost-Effective Augmented Reality
Assisted Patient Positioning in Radiation Therapy
- arxiv url: http://arxiv.org/abs/2010.01895v2
- Date: Mon, 11 Jan 2021 07:40:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 21:48:39.950934
- Title: Joint Scene and Object Tracking for Cost-Effective Augmented Reality
Assisted Patient Positioning in Radiation Therapy
- Title（参考訳）: 放射線治療におけるar支援患者の位置決めのためのジョイントシーンと物体追跡
- Authors: Hamid Sarmadi, Rafael Mu\~noz-Salinas, M. \'Alvaro Berb\'is, Antonio
Luna, R. Medina-Carnicer
- Abstract要約: 放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。
本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.6299766708197884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: BACKGROUND AND OBJECTIVE: The research done in the field of Augmented Reality
(AR) for patient positioning in radiation therapy is scarce. We propose an
efficient and cost-effective algorithm for tracking the scene and the patient
to interactively assist the patient's positioning process by providing visual
feedback to the operator. Up to our knowledge, this is the first framework that
can be employed for mobile interactive AR to guide patient positioning.
METHODS: We propose a point cloud processing method that combined with a
fiducial marker-mapper algorithm and the generalized ICP algorithm tracks the
patient and the camera precisely and efficiently only using the CPU unit. The
alignment between the 3D reference model and body marker map is calculated
employing an efficient body reconstruction algorithm. RESULTS: Our quantitative
evaluation shows that the proposed method achieves a translational and
rotational error of 4.17 mm/0.82 deg at 9 fps. Furthermore, the qualitative
results demonstrate the usefulness of our algorithm in patient positioning on
different human subjects. CONCLUSION: Since our algorithm achieves a relatively
high frame rate and accuracy employing a regular laptop (without the usage of a
dedicated GPU), it is a very cost-effective AR-based patient positioning
method. It also opens the way for other researchers by introducing a framework
that could be improved upon for better mobile interactive AR patient
positioning solutions in the future.
- Abstract（参考訳）: 背景と目的:放射線治療における患者位置決めのための拡張現実(ar)の分野での研究は少ない。
本研究では,視覚的フィードバックを操作者に提供し,患者の位置決め過程を対話的に支援する,効果的で費用対効果の高い手法を提案する。
私たちの知る限り、これはモバイルインタラクティブARで患者の位置決めをガイドできる最初のフレームワークです。
方法:fiducial marker-mapperアルゴリズムと一般化icpアルゴリズムを組み合わせたポイントクラウド処理法を提案する。
効率的なボディリコンストラクションアルゴリズムを用いて、3次元参照モデルとボディマーカーマップのアライメントを算出する。
結果: 提案手法は, 9 fpsで4.17 mm/0.82 degの翻訳誤差と回転誤差を達成できた。
さらに, 異なる被験者に対する患者位置決めにおいて, 定性的なアルゴリズムの有用性が示された。
結論:本アルゴリズムは通常のラップトップを用いて比較的高いフレームレートと精度を達成するため(専用GPUを使わずに)、非常に費用対効果の高いARベースの患者位置決め法である。
また、将来、より良いモバイルインタラクティブなAR患者位置決めソリューションのために改善できるフレームワークを導入することで、他の研究者への道を開く。
関連論文リスト
- Hybrid Deep Learning-Based for Enhanced Occlusion Segmentation in PICU Patient Monitoring [0.0]
本稿では,PICU内の遠隔監視アプリケーションで発生する共通閉塞を分割するハイブリッド手法を提案する。
私たちのアプローチは、限られたトレーニングデータシナリオのためのディープラーニングパイプラインの作成に重点を置いています。
提案したフレームワークは、92.5%の精度、93.8%のリコール、90.3%の精度、92.0%のF1スコアで全体的な分類性能が得られる。
論文 参考訳（メタデータ） (2024-07-18T09:37:55Z) - PosePipe: Open-Source Human Pose Estimation Pipeline for Clinical
Research [0.0]
我々は臨床現場で取得したデータに対して最先端のアルゴリズムの実行を容易にする人間のポーズ推定パイプラインを開発する。
本研究の目的は,新しいアルゴリズムの訓練ではなく,臨床・翻訳研究における最先端のポーズ推定アルゴリズムの活用を推し進めることである。
論文 参考訳（メタデータ） (2022-03-16T17:54:37Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark
Detection in Medical Images [15.7026400415269]
本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。
提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
論文 参考訳（メタデータ） (2021-05-19T13:39:18Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Domain Adaptive Robotic Gesture Recognition with Unsupervised
Kinematic-Visual Data Alignment [60.31418655784291]
本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。
ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。
その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
論文 参考訳（メタデータ） (2021-03-06T09:10:03Z) - One-shot action recognition towards novel assistive therapies [63.23654147345168]
この作業は、アクション模倣ゲームを含む医療療法の自動分析によって動機づけられます。
提案手法は、異種運動データ条件を標準化する前処理ステップを組み込んだものである。
自閉症者に対するセラピー支援のための自動ビデオ分析の実際の利用事例について検討した。
論文 参考訳（メタデータ） (2021-02-17T19:41:37Z) - Automatic Liver Segmentation from CT Images Using Deep Learning
Algorithms: A Comparative Study [0.0]
本稿では,Liverセグメンテーションのための最も効率的なDLアーキテクチャを提案する。
完全自動肝セグメンテーションのための最も効率的かつ正確なDLアーキテクチャを明らかにすることを目的としている。
その結果,DLアルゴリズムはDICOM画像からの臓器分割を高精度に自動化できることが判明した。
論文 参考訳（メタデータ） (2021-01-25T10:05:46Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳（メタデータ） (2020-02-20T13:12:38Z)
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。