論文の概要: Heatmap-based 2D Landmark Detection with a Varying Number of Landmarks
- arxiv url: http://arxiv.org/abs/2101.02737v1
- Date: Thu, 7 Jan 2021 19:42:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-10 13:41:41.408671
- Title: Heatmap-based 2D Landmark Detection with a Varying Number of Landmarks
- Title（参考訳）: 多数のランドマークを用いたヒートマップに基づく2次元ランドマーク検出
- Authors: Antonia Stern, Lalith Sharan, Gabriele Romano, Sven Koehler, Matthias
Karck, Raffaele De Simone, Ivo Wolf, Sandy Engelhardt
- Abstract要約: 本研究は,僧帽弁修復術の内視鏡像における縫合力を検出するニューラルネットワークアプローチを提案する。
提案されたヒートマップに基づくニューラルネットワークは平均正の予測値(PPV)を66.68$pm$4.67%達成する。
- 参考スコア（独自算出の注目度）: 1.1692203972491388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mitral valve repair is a surgery to restore the function of the mitral valve.
To achieve this, a prosthetic ring is sewed onto the mitral annulus. Analyzing
the sutures, which are punctured through the annulus for ring implantation, can
be useful in surgical skill assessment, for quantitative surgery and for
positioning a virtual prosthetic ring model in the scene via augmented reality.
This work presents a neural network approach which detects the sutures in
endoscopic images of mitral valve repair and therefore solves a landmark
detection problem with varying amount of landmarks, as opposed to most other
existing deep learning-based landmark detection approaches. The neural network
is trained separately on two data collections from different domains with the
same architecture and hyperparameter settings. The datasets consist of more
than 1,300 stereo frame pairs each, with a total over 60,000 annotated
landmarks. The proposed heatmap-based neural network achieves a mean positive
predictive value (PPV) of 66.68$\pm$4.67% and a mean true positive rate (TPR)
of 24.45$\pm$5.06% on the intraoperative test dataset and a mean PPV of
81.50\pm5.77\% and a mean TPR of 61.60$\pm$6.11% on a dataset recorded during
surgical simulation. The best detection results are achieved when the camera is
positioned above the mitral valve with good illumination. A detection from a
sideward view is also possible if the mitral valve is well perceptible.
- Abstract（参考訳）: 僧帽弁修復は僧帽弁の機能回復のための手術である。
これを実現するために、人工環が僧帽弁に縫合される。
縫合糸の分析は, 環移植術における輪状縫合を経時的に観察し, 術技評価, 定量的手術, 仮想補綴リングモデルの位置決めに有用である。
本研究は,僧帽弁修復術の内視鏡画像中の縫合を検知するニューラルネットワークアプローチを提案し,既存の他のディープラーニングに基づくランドマーク検出手法とは対照的に,様々なランドマーク量によるランドマーク検出問題を解決した。
ニューラルネットワークは、同じアーキテクチャとハイパーパラメータ設定を持つ異なるドメインからの2つのデータ収集を別々にトレーニングする。
データセットはそれぞれ1300以上のステレオフレームで構成され、合計6万以上の注釈付きランドマークがある。
提案した熱マップベースのニューラルネットワークは、66.68$\pm$4.67%の平均正の予測値(PPV)、24.45$\pm$5.06%の平均正の確率(TPR)、81.50$\pm5.77\%の平均PPV、61.60$\pm$6.11%の平均TPRを達成する。
最も優れた検出結果は、カメラが良好な照明で僧帽弁の上に位置するときに達成される。
僧帽弁が十分に知覚可能であれば、側面からの検知も可能である。
関連論文リスト
- Automatic registration with continuous pose updates for marker-less
surgical navigation in spine surgery [52.63271687382495]
本研究では, 腰部脊柱管固定術の登録問題を, 無放射線で自動的に解決するアプローチを提案する。
深部神経ネットワークは、腰椎を分割し、その方向を同時に予測するように訓練され、前手術モデルに対する最初のポーズが得られた。
拡張現実ベースのナビゲーションシステムとの統合により、直感的な外科的ガイダンスが提供される。
論文 参考訳（メタデータ） (2023-08-05T16:26:41Z) - Automatic Classification of Symmetry of Hemithoraces in Canine and
Feline Radiographs [0.0]
畳み込みニューラルネットワーク(CNN)とアクティブな輪郭に基づくヘミトトラス分割法を提案する。
提案手法のロバスト性を検証するため, 被曝・露出過多に対するソラックスセグメンテーション法を用いて, 適切に露光したラジオグラフィーを合成的に劣化させた。
論文 参考訳（メタデータ） (2023-02-24T22:46:16Z) - Estimation of mitral valve hinge point coordinates -- deep neural net
for echocardiogram segmentation [0.0]
僧帽弁ヒンジ点の完全自動検出法を提案する。
この方法は、得られたセグメンテーションから第2ステップで僧帽弁ヒンジポイントを抽出する。
この自動検出法を用いて測定した結果を基準座標値と比較した。
論文 参考訳（メタデータ） (2023-01-20T19:46:16Z) - Development of Automatic Endotracheal Tube and Carina Detection on
Portable Supine Chest Radiographs using Artificial Intelligence [1.651690213572386]
気管内挿管検出は気管内管(ETT)先端とカリーナの位置を必要とする。
胸部X線写真におけるETT先端と椎間板間の距離を求めるため,Mask R-CNNを用いた特徴抽出法を提案する。
論文 参考訳（メタデータ） (2022-06-07T05:18:46Z) - Point detection through multi-instance deep heatmap regression for
sutures in endoscopy [0.8937790536664091]
縫合検出タスクを多インスタンス深熱マップ回帰問題として定式化する。
局所的な非最大抑圧として機能するために, 2次元ガウス層と微分可能な2次元空間ソフトアルグマックス層を新たに導入する。
提案モデルは,術中およびシミュレータ領域におけるベースラインの改善を示す。
論文 参考訳（メタデータ） (2021-11-16T13:45:23Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z) - CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke
Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。
Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。
完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-04-07T09:09:13Z) - Pose-dependent weights and Domain Randomization for fully automatic
X-ray to CT Registration [51.280096834264256]
完全自動X線CT登録は、既存の強度ベース登録の範囲内での最初のアライメントを必要とする。
この作業は、エンドツーエンドの登録を可能にする新しい自動初期化を提供する。
ミリメートルにおける平均(+標準偏差)ターゲット登録誤差は、成功率92%の模擬X線に対して4.1 +- 4.3、成功率86.8%の実X線に対して4.2 +- 3.9であり、成功率は30mm未満の翻訳誤差と定義される。
論文 参考訳（メタデータ） (2020-11-14T12:50:32Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - Neural collaborative filtering for unsupervised mitral valve
segmentation in echocardiography [60.08918310097638]
心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。
本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。
これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
論文 参考訳（メタデータ） (2020-08-13T12:53:26Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。