論文の概要: SERV-CT: A disparity dataset from CT for validation of endoscopic 3D
reconstruction
- arxiv url: http://arxiv.org/abs/2012.11779v1
- Date: Tue, 22 Dec 2020 01:28:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 07:22:25.583387
- Title: SERV-CT: A disparity dataset from CT for validation of endoscopic 3D
reconstruction
- Title(参考訳): SERV-CT : 内視鏡的3D再構成のためのCTからの差分データセット
- Authors: P.J. "Eddie'' Edwards, Dimitris Psychogyios, Stefanie Speidel, Lena
Maier-Hein and Danail Stoyanov
- Abstract要約: CT(SERV-CT)に基づく立体内視鏡再構成検証データセットを提案する。
SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな参照格差と深さを持つ外科的アプリケーションのための使いやすい立体的検証を提供します。
- 参考スコア(独自算出の注目度): 8.448866668577946
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In computer vision, reference datasets have been highly successful in
promoting algorithmic development in stereo reconstruction. Surgical scenes
gives rise to specific problems, including the lack of clear corner features,
highly specular surfaces and the presence of blood and smoke. Publicly
available datasets have been produced using CT and either phantom images or
biological tissue samples covering a relatively small region of the endoscope
field-of-view. We present a stereo-endoscopic reconstruction validation dataset
based on CT (SERV-CT). Two {\it ex vivo} small porcine full torso cadavers were
placed within the view of the endoscope with both the endoscope and target
anatomy visible in the CT scan. Orientation of the endoscope was manually
aligned to the stereoscopic view. Reference disparities and occlusions were
calculated for 8 stereo pairs from each sample. For the second sample an RGB
surface was acquired to aid alignment of smooth, featureless surfaces. Repeated
manual alignments showed an RMS disparity accuracy of ~2 pixels and a depth
accuracy of ~2mm. The reference dataset includes endoscope image pairs with
corresponding calibration, disparities, depths and occlusions covering the
majority of the endoscopic image and a range of tissue types. Smooth specular
surfaces and images with significant variation of depth are included. We
assessed the performance of various stereo algorithms from online available
repositories. There is a significant variation between algorithms, highlighting
some of the challenges of surgical endoscopic images. The SERV-CT dataset
provides an easy to use stereoscopic validation for surgical applications with
smooth reference disparities and depths with coverage over the majority of the
endoscopic images. This complements existing resources well and we hope will
aid the development of surgical endoscopic anatomical reconstruction
algorithms.
- Abstract(参考訳): コンピュータビジョンにおいて、参照データセットはステレオ再構成におけるアルゴリズム開発を促進することに成功している。
外科的なシーンは、明確な隅角の特徴の欠如、高スペックな表面、血と煙の存在など、特定の問題を引き起こす。
一般に入手可能なデータセットはCTおよび幻像または内視鏡視野の比較的小さな領域をカバーする生物学的組織サンプルを用いて作成されている。
我々は,CT(SERV-CT)に基づく立体内視鏡的再構成検証データセットを提案する。
内視鏡と対象血管の両方をctで観察し, 内視鏡の視野内に2例の小型ブタフルトルソキャダバーを配置した。
内視鏡の向きは手動で立体視に合わせられた。
各試料から8対のステレオペアに対して基準偏差と咬合量を算出した。
第2のサンプルでは、RGB表面は滑らかで特徴のない表面のアライメントを支援するために取得された。
繰り返し手動アライメントでは RMS の差は ~2 ピクセル、深さは ~2 mm であった。
基準データセットは、内視鏡画像の大部分と様々な組織タイプをカバーする、対応する校正、相違、深さ及び閉塞を有する内視鏡画像対を含む。
滑らかなスペキュラ面と、深度が著しく変化する画像を含む。
オンラインリポジトリから様々なステレオアルゴリズムの性能を評価した。
アルゴリズムには大きな差異があり、手術用内視鏡画像の課題を浮き彫りにしている。
SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな基準差と深さを持つ外科的応用に、容易に利用できる立体的検証を提供する。
これは既存の資源を十分に補完し、外科的内視鏡的解剖学的再構築アルゴリズムの開発を支援することを期待する。
関連論文リスト
- OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起に基づいている。
OAイメージングは、豊富な光学コントラストと深部組織における高分解能の強力な組み合わせを特徴としている。
異なるタイプの実験的なセットアップと関連する処理メソッドで生成された標準化されたデータセットは使用できない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - Photometric single-view dense 3D reconstruction in endoscopy [2.094821665776961]
大腸内視鏡検査において,光度ステレオによるヒト大腸の3次元立体再構成を実現するために,制御光を利用する。
本手法は実際の医療環境下で機能し,適切な位置校正法と大腸管形状に適応した深さ推定法の両方を提供する。
論文 参考訳(メタデータ) (2022-04-19T18:23:31Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - A Temporal Learning Approach to Inpainting Endoscopic Specularities and
Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。
これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。
また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文 参考訳(メタデータ) (2022-03-31T13:14:00Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳(メタデータ) (2022-03-01T17:08:41Z) - MITI: SLAM Benchmark for Laparoscopic Surgery [5.602880243609329]
立体視画像慣性コンピュータビジョンアルゴリズム(SLAM/SfM/3D再構成/ビジュアル慣性オドメトリー)の評価のための新しいベンチマークを提案する。
我々のMITIデータセットは、TUMのResearch Hospital Rechts der Isarでハンドヘルド外科手術の完全な記録によって、必要なすべてのデータを提供します。
論文 参考訳(メタデータ) (2022-02-23T13:23:52Z) - MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware
CT-Projections from a Single X-ray [14.10611608681131]
過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。
本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
論文 参考訳(メタデータ) (2022-02-02T13:25:23Z) - In-painting Radiography Images for Unsupervised Anomaly Detection [76.69223409518202]
画像から異常を抽出する空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは、解剖学的構造を繰り返しパターンに分類することができ、推測では、画像内の異常(見えない/修正されたパターン)を識別することができる。
胸部解剖学における空間相関と一貫した形状を合成する新しいデータセット(DigitAnatomy)を作成した。
論文 参考訳(メタデータ) (2021-11-26T13:47:34Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳(メタデータ) (2021-10-14T23:05:47Z) - Stereo Dense Scene Reconstruction and Accurate Laparoscope Localization
for Learning-Based Navigation in Robot-Assisted Surgery [37.14020061063255]
微小侵襲手術(MIS)における解剖情報と腹腔鏡位置の計算はロボット支援手術ナビゲーションの基本ブロックである
本稿では,複雑な解剖学的構造の3次元再構成による画像誘導腹腔鏡像の局在化を実現するための学習駆動型フレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-08T06:12:18Z) - 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)
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。