論文の概要: Lighting Enhancement Aids Reconstruction of Colonoscopic Surfaces
- arxiv url: http://arxiv.org/abs/2103.10310v1
- Date: Thu, 18 Mar 2021 15:12:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 14:08:14.974317
- Title: Lighting Enhancement Aids Reconstruction of Colonoscopic Surfaces
- Title(参考訳): 大腸内視鏡表面の光増感による再建
- Authors: Yubo Zhang, Shuxian Wang, Ruibin Ma, Sarah K. McGill, Julian G.
Rosenman, Stephen M. Pizer
- Abstract要約: 大腸内視鏡ビデオの照明問題に焦点をあてた。
近年の映像フレームの強度分布に適応する照明補正が必要であることが判明した。
このネットワークはガンマ補正プロセスにおいてガンマ値に適応する。
- 参考スコア(独自算出の注目度): 8.723521110043674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High screening coverage during colonoscopy is crucial to effectively prevent
colon cancer. Previous work has allowed alerting the doctor to unsurveyed
regions by reconstructing the 3D colonoscopic surface from colonoscopy videos
in real-time. However, the lighting inconsistency of colonoscopy videos can
cause a key component of the colonoscopic reconstruction system, the SLAM
optimization, to fail. In this work we focus on the lighting problem in
colonoscopy videos. To successfully improve the lighting consistency of
colonoscopy videos, we have found necessary a lighting correction that adapts
to the intensity distribution of recent video frames. To achieve this in
real-time, we have designed and trained an RNN network. This network adapts the
gamma value in a gamma-correction process. Applied in the colonoscopic surface
reconstruction system, our light-weight model significantly boosts the
reconstruction success rate, making a larger proportion of colonoscopy video
segments reconstructable and improving the reconstruction quality of the
already reconstructed segments.
- Abstract(参考訳): 大腸内視鏡検査中の高いスクリーニング範囲は,大腸癌を効果的に予防するために重要である。
これまでの研究では、3Dの大腸内視鏡の映像をリアルタイムで再現することで、医師に救世主の地域を知らせることができた。
しかし,大腸内視鏡ビデオの照明不整合は,大腸内視鏡再建システムの重要な構成要素であるスラム最適化に支障を来す可能性がある。
本研究は大腸内視鏡ビデオの照明問題に焦点をあてる。
大腸内視鏡映像の照明一貫性を向上させるために,最近の映像フレームの強度分布に適応する照明補正が必要であった。
リアルタイムに実現するために,我々はRNNネットワークの設計と訓練を行った。
このネットワークはガンマ補正プロセスにおいてガンマ値に適応する。
大腸鏡視下表面再構成システムに応用し, 軽量モデルは再建率を大幅に向上させ, 大腸鏡視下ビデオセグメントの大部分を再構成可能とし, 既に再建済みセグメントの再構築品質を向上させる。
関連論文リスト
- LightNeuS: Neural Surface Reconstruction in Endoscopy using Illumination
Decline [45.49984459497878]
単眼内視鏡で取得した画像から3次元再構成を行う手法を提案する。
第一に、内的空洞は水密であり、符号付き距離関数でモデル化することによって自然に強制される性質である。
第二に、シーンの照明は可変であり、それは内視鏡の光源から来ており、四角い距離と表面との逆転で崩壊する。
論文 参考訳(メタデータ) (2023-09-06T06:41:40Z) - Deep learning-based image exposure enhancement as a pre-processing for
an accurate 3D colon surface reconstruction [1.0499611180329804]
このコントリビューションは、画像前処理が深層学習に基づく大腸部分の3D再構成を改善する方法を示している。
地球規模の照明補正ではなく、局所的な被曝と過剰露光を大腸内視鏡で補正する必要があると仮定されている。
論文 参考訳(メタデータ) (2023-04-06T15:52:36Z) - A Surface-normal Based Neural Framework for Colonoscopy Reconstruction [24.467879991609095]
内視鏡画像から3次元表面を再構成することは、映像フレームの照明と反射率の変化により困難である。
大腸内視鏡再建の精度を大幅に向上させる2段階の神経フレームワークを開発した。
論文 参考訳(メタデータ) (2023-03-13T16:44:15Z) - Estimating the coverage in 3d reconstructions of the colon from
colonoscopy videos [0.0]
手術中の大腸の視覚的被覆が不十分な場合、しばしばポリープが欠落する。
この問題を軽減するため, 欠損領域を可視化するために, 大腸の3次元面を再構築する手法が提案されている。
再建された大腸点雲からカバー範囲を推定する新しい手法を提案する。
論文 参考訳(メタデータ) (2022-10-19T10:53:34Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳(メタデータ) (2022-08-17T03:42:19Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳(メタデータ) (2022-03-28T14:03:45Z) - ColDE: A Depth Estimation Framework for Colonoscopy Reconstruction [27.793186578742088]
本研究では,大腸内視鏡データの特別な課題に対処するために,一連のトレーニング損失を設計した。
ColDEという名前の自己監督型フレームワークは、十分なトレーニング損失を伴って、大腸内視鏡データのより詳細なマップを生成することができる。
論文 参考訳(メタデータ) (2021-11-19T04:44:27Z) - FoldIt: Haustral Folds Detection and Segmentation in Colonoscopy Videos [6.187780920448871]
ハウスタルフォールド(Haustral fold)は、光学的大腸内視鏡法において、高いポリープミス率に関係した結腸壁隆起である。
本報告では,光学的大腸内視鏡画像からハスタルフォールドオーバーレイを用いた仮想大腸内視鏡画像への特徴持続的画像変換のための,新たな生成逆境ネットワークFoldItを提案する。
論文 参考訳(メタデータ) (2021-06-23T16:41:10Z) - Towards High Fidelity Monocular Face Reconstruction with Rich
Reflectance using Self-supervised Learning and Ray Tracing [49.759478460828504]
ディープニューラルネットワークエンコーダと異なるレンダリングを組み合わせた手法が、幾何学、照明、反射の非常に高速な単分子再構成の道を開いた。
古典的な最適化ベースのフレームワーク内での単眼顔再構築のためにレイトレースが導入されました。
一般シーンにおける復元品質と堅牢性を大幅に向上させる新しい手法を提案します。
論文 参考訳(メタデータ) (2021-03-29T08:58:10Z) - Colonoscopy Polyp Detection: Domain Adaptation From Medical Report
Images to Real-time Videos [76.37907640271806]
大腸内視鏡画像と実時間映像の領域間ギャップに対処する画像-ビデオ結合型ポリープ検出ネットワーク(Ivy-Net)を提案する。
収集したデータセットの実験は、Ivy-Netが大腸内視鏡ビデオで最先端の結果を達成することを示した。
論文 参考訳(メタデータ) (2020-12-31T10:33:09Z)
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。