論文の概要: CycleGAN for Interpretable Online EMT Compensation

• arxiv url: http://arxiv.org/abs/2101.01444v1
• Date: Tue, 5 Jan 2021 10:34:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-04-11 11:34:57.819143
• Title: CycleGAN for Interpretable Online EMT Compensation
• Title（参考訳）: オンラインEMT補償のためのCycleGAN
• Abstract要約: 電磁トラッキング(EMT)は、最小侵襲でX線誘導を部分的に置き換え、ORの放射線を低減できる。 このハイブリッド環境では、EMTはX線装置による金属歪みによって妨害される。 EMTの誤差を補うことで,患者や外科医の放射線被曝を減らすためのハイブリッドナビゲーション臨床を計画する。
• 参考スコア（独自算出の注目度）: 0.40950165504627256
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Purpose: Electromagnetic Tracking (EMT) can partially replace X-ray guidance in minimally invasive procedures, reducing radiation in the OR. However, in this hybrid setting, EMT is disturbed by metallic distortion caused by the X-ray device. We plan to make hybrid navigation clinical reality to reduce radiation exposure for patients and surgeons, by compensating EMT error. Methods: Our online compensation strategy exploits cycle-consistent generative adversarial neural networks (CycleGAN). 3D positions are translated from various bedside environments to their bench equivalents. Domain-translated points are fine-tuned to reduce error in the bench domain. We evaluate our compensation approach in a phantom experiment. Results: Since the domain-translation approach maps distorted points to their lab equivalents, predictions are consistent among different C-arm environments. Error is successfully reduced in all evaluation environments. Our qualitative phantom experiment demonstrates that our approach generalizes well to an unseen C-arm environment. Conclusion: Adversarial, cycle-consistent training is an explicable, consistent and thus interpretable approach for online error compensation. Qualitative assessment of EMT error compensation gives a glimpse to the potential of our method for rotational error compensation.
• Abstract（参考訳）: 目的:EMTは最小侵襲でX線誘導を部分的に置き換えることができ、ORの放射線を低減できる。 しかし、このハイブリッド環境では、EMTはX線装置による金属歪みに邪魔される。 EMTの誤差を補うことで,患者や外科医の放射線被曝を減らすためのハイブリッドナビゲーション臨床を計画する。 方法:我々のオンライン補償戦略は,サイクル一貫性のある生成対向ニューラルネットワーク(CycleGAN)を利用する。 3d位置は様々なベッドサイド環境からベンチ相当物に翻訳される。 ドメイン変換ポイントは、ベンチドメインのエラーを低減するために微調整される。 ファントム実験における補償手法の評価を行った。 結果: ドメイン翻訳手法は歪んだ点を実験室の等価点にマッピングするので, 予測は異なるCアーム環境間で一致している。 エラーはすべての評価環境でうまく低減される。 定性的ファントム実験は,我々のアプローチが目に見えないc-arm環境にうまく一般化することを示す。 結論: 敵対的かつサイクル一貫性のあるトレーニングは、オンラインエラー補償に対する説明可能で一貫性があり、解釈可能なアプローチである。 EMT誤差補償の質的評価は, 回転誤差補償法の可能性を示すものである。

関連論文リスト

• Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
  ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。 既存の方法はPBSに対して限られた有効性を示した。 PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
  論文  参考訳（メタデータ） (2026-08-01T08:13:20Z)
• Trustworthy Medical Segmentation: Uncertainty-Aware U-Net Evaluation Under Clinical Image Degradation [0.0]
  臨床劣化下での不確実性認識セグメンテーションを評価するための枠組みを提案する。 セグメンテーションの精度、校正、故障検出、選択的予測カバレッジを測定する。 これらの結果は, 医師・医師・医科医の安全層としての不確実性を考慮した推論を論じるものである。
  論文  参考訳（メタデータ） (2026-07-22T06:35:33Z)
• Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
  既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。 テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
  論文  参考訳（メタデータ） (2026-06-17T08:10:30Z)
• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• Distributionally Robust Transfer Learning with Structurally Missing Covariates, with Application to Cross-National Cardiac Arrest Prediction [6.540707401117924]
  本稿では,予測モデルを対象人口に転送するフレームワークとしてDRUM(underlineDtributionally underlineRobust underlineUn)を提案する。 DRUMは, より良い教師付き予測を行い, 臨床分類性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-22T20:53:04Z)
• Semiparametric Efficient Test for Interpretable Distributional Treatment Effects [22.387735135790702]
  カーネルテストは介入結果法則の相違を検出することができるが、グローバルテストは法の相違点を明らかにしない。 本稿では, DR-ME法を応用し, 最初の半原理的に効率的な有限配置法を提案する。
  論文  参考訳（メタデータ） (2026-05-08T17:23:34Z)
• Robustness of Transformer-Based Fluence Map Prediction Under Clinically Realistic Perturbations [4.066732323672965]
  本研究では, 解剖学(CT, 輪郭)を線量にマッピングし, ビームレットフルエンスマップに変換する2段階トランスフォーマーパイプラインについて検討した。 本研究では, フラエンス段変圧器のバックボーンと階層的, グローバル的, ハイブリッド的注目度を比較した。 その結果、中等度摂動下ではスムーズな劣化がみられたが、急激な回転と騒音下では急激な故障がみられた。
  論文  参考訳（メタデータ） (2026-04-28T21:32:47Z)
• Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions [0.0]
  ゲノミクスの実験では、交換可能性はしばしば、対象変数を「影響を受けない」ままにしておく介入のサブセットにのみ保持される。 i)「影響のない」キャリブレーション例の誤分類が、明示的な関数$g(,n)$の汚染分数とキャリブレーションセットサイズを介してどのようにカバレッジを劣化させるか、および (ii) 2つの後続指標$Z_a,i=mathbf1iinmathrmdesc(a)$のみを推定するタスク駆動部分因果学習の定式化。
  論文  参考訳（メタデータ） (2026-03-02T18:58:22Z)
• U2AD: Uncertainty-based Unsupervised Anomaly Detection Framework for Detecting T2 Hyperintensity in MRI Spinal Cord [7.811634659561162]
  脊髄MR画像におけるT2過強度は、変性頚髄症などの病態において重要なバイオマーカーである。 深層学習法は病変検出の可能性を示してきたが、ほとんどの教師付きアプローチは大きな注釈付きデータセットに大きく依存している。 本稿では,これらの制約に対処するため,不確実性に基づくunsupervised Anomaly DetectionフレームワークであるU2ADを提案する。
  論文  参考訳（メタデータ） (2025-03-17T17:33:32Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• You've Got Two Teachers: Co-evolutionary Image and Report Distillation for Semi-supervised Anatomical Abnormality Detection in Chest X-ray [33.272751884183556]
  公的なMIMIC-CXRベンチマークの実験結果は、CEIRDがいくつかの最新の弱い半教師付き手法に優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-18T12:18:21Z)
• Error correcting 2D-3D cascaded network for myocardial infarct scar segmentation on late gadolinium enhancement cardiac magnetic resonance images [0.0]
  完全自動で心筋梗塞の程度を計算できる2次元および3次元畳み込みニューラルネットワーク(CNN)のケースケードフレームワークを提案する。 EMIDECチャレンジのトレーニングデータセットを用いて,提案手法を5倍のクロスバリデーションで評価し,評価した。
  論文  参考訳（メタデータ） (2023-06-26T14:21:18Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Constrained Visual-Inertial Localization With Application And Benchmark in Laparoscopic Surgery [5.602880243609329]
  本稿では,制約のあるカメラ動作に対する視覚-慣性位置決め問題に対処する新しい手法を提案する。 我々は、グローバルなコスト関数を協調的に最適化するために、異なるモダリティからの残留物を使用する。 適切な医療症例において本手法の利点を検証し,腹部に最小侵襲で手術を施したデータセットを作成した。
  論文  参考訳（メタデータ） (2022-02-22T18:01:55Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Conditional Training with Bounding Map for Universal Lesion Detection [33.24904644311758]
  CTにおけるユニバーサル病変検出は、コンピュータ診断に不可欠な役割を担います。 2段階のULD法はまだ正対の不均衡のような問題に苦しんでいます。 オブジェクト提案中の負のアンカー。 負アンカーの不均衡を低減できる2段階uddのためのbmに基づく条件訓練を提案する。
  論文  参考訳（メタデータ） (2021-03-23T03:04:13Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Interactive Radiotherapy Target Delineation with 3D-Fused Context Propagation [28.97228589610255]
  畳み込みニューラルネットワーク(CNN)は、自動3D医療セグメンテーションタスクで支配されています。 編集したスライスを3Dボリューム全体に伝搬する3D融合コンテキスト伝搬を提案する。
  論文  参考訳（メタデータ） (2020-12-12T17:46:20Z)

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。