論文の概要: NanoNet: Real-Time Polyp Segmentation in Video Capsule Endoscopy and
Colonoscopy
- arxiv url: http://arxiv.org/abs/2104.11138v1
- Date: Thu, 22 Apr 2021 15:40:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 17:02:55.813307
- Title: NanoNet: Real-Time Polyp Segmentation in Video Capsule Endoscopy and
Colonoscopy
- Title（参考訳）: ビデオカプセル内視鏡と大腸内視鏡におけるリアルタイムポリープセグメンテーション
- Authors: Debesh Jha, Nikhil Kumar Tomar, Sharib Ali, Michael A. Riegler,
H{\aa}vard D. Johansen, Dag Johansen, Thomas de Lange, P{\aa}l Halvorsen
- Abstract要約: ビデオカプセル内視鏡と大腸内視鏡画像の分割のための新しいアーキテクチャであるNanoNetを提案する。
提案アーキテクチャはリアルタイム性能を実現し,他の複雑なアーキテクチャに比べて高いセグメンテーション精度を有する。
- 参考スコア（独自算出の注目度）: 0.6125117548653111
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning in gastrointestinal endoscopy can assist to improve clinical
performance and be helpful to assess lesions more accurately. To this extent,
semantic segmentation methods that can perform automated real-time delineation
of a region-of-interest, e.g., boundary identification of cancer or
precancerous lesions, can benefit both diagnosis and interventions. However,
accurate and real-time segmentation of endoscopic images is extremely
challenging due to its high operator dependence and high-definition image
quality. To utilize automated methods in clinical settings, it is crucial to
design lightweight models with low latency such that they can be integrated
with low-end endoscope hardware devices. In this work, we propose NanoNet, a
novel architecture for the segmentation of video capsule endoscopy and
colonoscopy images. Our proposed architecture allows real-time performance and
has higher segmentation accuracy compared to other more complex ones. We use
video capsule endoscopy and standard colonoscopy datasets with polyps, and a
dataset consisting of endoscopy biopsies and surgical instruments, to evaluate
the effectiveness of our approach. Our experiments demonstrate the increased
performance of our architecture in terms of a trade-off between model
complexity, speed, model parameters, and metric performances. Moreover, the
resulting model size is relatively tiny, with only nearly 36,000 parameters
compared to traditional deep learning approaches having millions of parameters.
- Abstract（参考訳）: 消化器内視鏡の深層学習は臨床成績の向上に役立ち、病変をより正確に評価するのに役立つ。
この範囲では、がんや先天性病変の境界の特定など、興味のある領域のリアルタイムデライン化を自動化できるセマンティックセグメンテーション手法が、診断と介入の両方に有用である。
しかし,高演算子依存性と高精細画像品質のため,高精度かつリアルタイムな内視鏡像分割は極めて困難である。
臨床環境での自動化手法を活用するためには,低レイテンシの軽量モデルの設計が重要であり,ローエンドの内視鏡ハードウェアデバイスと統合可能である。
本稿では,ビデオカプセル内視鏡と大腸内視鏡画像のセグメンテーションのための新しいアーキテクチャであるnanonetを提案する。
提案アーキテクチャはリアルタイム性能を実現し,他の複雑なアーキテクチャに比べて高いセグメンテーション精度を有する。
我々は,ポリープを用いたビデオカプセル内視鏡および標準大腸内視鏡データセットと内視鏡生検および手術器具からなるデータセットを用いて,本手法の有効性を評価した。
実験では,モデル複雑性,速度,モデルパラメータ,メトリックパフォーマンスのトレードオフの観点から,アーキテクチャの性能向上を実証した。
さらに、モデルのサイズは比較的小さく、数百万のパラメータを持つ従来のディープラーニングアプローチと比較して、36,000近いパラメータしかありません。
関連論文リスト
- EndoGSLAM: Real-Time Dense Reconstruction and Tracking in Endoscopic Surgeries using Gaussian Splatting [53.38166294158047]
EndoGSLAMは鏡視下手術の効率的なアプローチであり、合理化表現と微分ガウス化を統合している。
実験の結果,EndoGSLAMは従来型あるいは神経型SLAMアプローチよりも術中可用性と再建品質のトレードオフが良好であることがわかった。
論文 参考訳（メタデータ） (2024-03-22T11:27:43Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - FLex: Joint Pose and Dynamic Radiance Fields Optimization for Stereo Endoscopic Videos [79.50191812646125]
内視鏡的シーンの再構築は、外科手術後の分析から教育訓練まで、様々な医療応用にとって重要な要素である。
変形組織の非常にダイナミックな環境下での移動内視鏡の挑戦的なセットアップに着目する。
複数重重なり合う4次元ニューラルラジアンスフィールド(NeRF)への暗黙的なシーン分離と、再構成とカメラのスクラッチからのポーズを協調的に最適化するプログレッシブ最適化手法を提案する。
これにより、使いやすさが向上し、5000フレーム以上の手術ビデオの処理に間に合うように復元能力を拡張できる。
論文 参考訳（メタデータ） (2024-03-18T19:13:02Z) - An Automated Real-Time Approach for Image Processing and Segmentation of Fluoroscopic Images and Videos Using a Single Deep Learning Network [2.752817022620644]
人工膝関節における画像分割に機械学習を用いる可能性は、そのセグメンテーション精度を改善し、プロセスを自動化し、外科医にリアルタイムの補助を提供する能力にある。
本稿では, リアルタイム全膝画像分割における深層学習手法を提案する。
大規模なデータセットに基づいてトレーニングされた深層学習モデルは、インプラントされた大腿骨とティアビアの両方を正確にセグメント化する際、優れた性能を示す。
論文 参考訳（メタデータ） (2024-01-23T05:00:02Z) - Phase-Specific Augmented Reality Guidance for Microscopic Cataract
Surgery Using Long-Short Spatiotemporal Aggregation Transformer [14.568834378003707]
乳化白内障手術(英: Phaemulsification cataract surgery, PCS)は、外科顕微鏡を用いた外科手術である。
PCS誘導システムは、手術用顕微鏡映像から貴重な情報を抽出し、熟練度を高める。
既存のPCSガイダンスシステムでは、位相特異なガイダンスに悩まされ、冗長な視覚情報に繋がる。
本稿では,認識された手術段階に対応するAR情報を提供する,新しい位相特異的拡張現実(AR)誘導システムを提案する。
論文 参考訳（メタデータ） (2023-09-11T02:56:56Z) - 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。
本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文 参考訳（メタデータ） (2023-06-23T12:09:52Z) - Intra-operative Brain Tumor Detection with Deep Learning-Optimized
Hyperspectral Imaging [37.21885467891782]
グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。
リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。
術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
論文 参考訳（メタデータ） (2023-02-06T15:52:03Z) - 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) - Towards Robotic Knee Arthroscopy: Multi-Scale Network for Tissue-Tool
Segmentation [0.0]
組織-ツールセグメンテーションを実現するために,多スケール特徴をキャプチャし,形状特徴を統合した密結合型形状認識型マルチスケールセグメンテーションモデルを提案する。
一般公開されたPolypデータセットでは,提案したモデルが5.09%の精度向上を達成した。
論文 参考訳（メタデータ） (2021-10-06T11:20:01Z) - 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) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-07-08T21:38:29Z)
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。