論文の概要: LensID: A CNN-RNN-Based Framework Towards Lens Irregularity Detection in Cataract Surgery Videos

• arxiv url: http://arxiv.org/abs/2107.00875v1
• Date: Fri, 2 Jul 2021 07:27:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-07-05 12:45:09.070208
• Title: LensID: A CNN-RNN-Based Framework Towards Lens Irregularity Detection in Cataract Surgery Videos
• Title（参考訳）: LensID:白内障手術ビデオにおけるレンズ不規則性検出を目的としたCNN-RNNベースのフレームワーク
• Authors: Negin Ghamsarian, Mario Taschwer, Doris Putzgruber-Adamitsch, Stephanie Sarny, Yosuf El-Shabrawi, Klaus Schoeffmann
• Abstract要約: 白内障手術後の合併症は、視力低下と眼外傷につながるレンズインプラントの脱臼である。 本稿では、レンズ導入フェーズを認識するエンドツーエンドのリカレントニューラルネットワークと、インプラントフェーズ後にレンズと瞳孔を分割する新しいセマンティックセマンティックセマンティックネットワークを提案する。
• 参考スコア（独自算出の注目度）: 6.743968799949719
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A critical complication after cataract surgery is the dislocation of the lens implant leading to vision deterioration and eye trauma. In order to reduce the risk of this complication, it is vital to discover the risk factors during the surgery. However, studying the relationship between lens dislocation and its suspicious risk factors using numerous videos is a time-extensive procedure. Hence, the surgeons demand an automatic approach to enable a larger-scale and, accordingly, more reliable study. In this paper, we propose a novel framework as the major step towards lens irregularity detection. In particular, we propose (I) an end-to-end recurrent neural network to recognize the lens-implantation phase and (II) a novel semantic segmentation network to segment the lens and pupil after the implantation phase. The phase recognition results reveal the effectiveness of the proposed surgical phase recognition approach. Moreover, the segmentation results confirm the proposed segmentation network's effectiveness compared to state-of-the-art rival approaches.
• Abstract（参考訳）: 白内障手術後の致命的な合併症は、視力の低下と眼外傷につながるレンズインプラントの脱臼である。 この合併症のリスクを軽減するためには、手術中の危険因子を発見することが不可欠である。 しかし、レンズ脱臼とその不審な危険因子との関係を多数のビデオを用いて検討することは、時間的拡張の手順である。 そのため、外科医はより大規模で信頼性の高い研究を可能にするために、自動的なアプローチを要求する。 本稿では,レンズの不規則性検出のための大きなステップとして,新しい枠組みを提案する。 特に、(I)レンズ導入フェーズを認識するエンドツーエンドのリカレントニューラルネットワークを提案し、(II)インプラントフェーズ後にレンズと瞳孔を分割する新しいセマンティックセグメンテーションネットワークを提案する。 位相認識結果から, 手術用位相認識手法の有効性が示された。 さらに,セグメンテーション結果は,最先端の競合手法と比較して,セグメンテーションネットワークの有効性を確認した。

関連論文リスト

• Predicting Postoperative Intraocular Lens Dislocation in Cataract Surgery via Deep Learning [5.40411016117853]
  白内障術後の難治性合併症は眼内レンズ脱臼である。 手術中のレンズ展開遅延,回転,不安定性の計算のための,最初の完全自動フレームワークを開発し,評価した。 4つの眼内レンズブランドを特徴とする白内障手術ビデオの大規模データセットを利用する。
  論文  参考訳（メタデータ） (2023-12-06T10:27:15Z)
• Action Recognition in Video Recordings from Gynecologic Laparoscopy [4.002010889177872]
  行動認識は腹腔鏡画像解析における多くの応用の前提条件である。 本研究では,CNN-RNNアーキテクチャと,カスタマイズしたトレーニング推論フレームワークの設計と評価を行う。
  論文  参考訳（メタデータ） (2023-11-30T16:15:46Z)
• EyeLS: Shadow-Guided Instrument Landing System for Intraocular Target Approaching in Robotic Eye Surgery [51.05595735405451]
  ロボット眼科手術(Robotic Ophthalmic surgery)は、網膜下注入における網膜侵入や網膜剥離における浮動組織の除去など、高精度な介入を促進する新しい技術である。 現在の画像に基づく手法では、針先端の軌跡を網膜と浮動標的の両方に向けて効果的に推定することはできない。 本研究では,ターゲットの影位置と楽器先端を用いて相対的な深度位置を推定する。 手術シミュレータでは, 平均深度0.0127mm, 平均深度0.3473mm, 平均深度0.0127mm, 平均深度0.3473mmを目標とした。
  論文  参考訳（メタデータ） (2023-11-15T09:11:37Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
  ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。 本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-26T21:21:12Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
  白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。 近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。 深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
  論文  参考訳（メタデータ） (2021-10-06T08:10:28Z)
• Relevance Detection in Cataract Surgery Videos by Spatio-Temporal Action Localization [7.235239641693831]
  白内障手術では、顕微鏡の助けを借りて手術を行います。 顕微鏡は最大2人程度でリアルタイム手術を観察できるため、記録されたビデオを用いて手術訓練の大部分を行う。 ビデオコンテンツでトレーニング手順を最適化するには、外科医は自動関連性検出アプローチが必要です。 本稿では,白内障映像における関連フェーズセグメントの検出と分類を行うための3モジュールフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T12:01:08Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)
• TeCNO: Surgical Phase Recognition with Multi-Stage Temporal Convolutional Networks [43.95869213955351]
  外科的位相認識のための階層的予測補正を行う多段階時間畳み込みネットワーク(MS-TCN)を提案する。 本手法は腹腔鏡下胆嚢摘出術ビデオの2つのデータセットに対して,追加の外科的ツール情報を用いずに徹底的に評価した。
  論文  参考訳（メタデータ） (2020-03-24T10:12:30Z)
• Towards Augmented Reality-based Suturing in Monocular Laparoscopic Training [0.5707453684578819]
  本研究では,シリコーンパッド上での腹腔鏡下トレーニング結果を高めるために,定量的かつ質的な視覚表現を備えた拡張現実環境を提案する。 これは、マルチクラスセグメンテーションと深度マップ予測を実行するマルチタスク教師付きディープニューラルネットワークによって実現されている。 本発明のネットワークは、手術針分割用ダイススコア0.67、針ホルダ計器セグメンテーション0.81、深さ推定用平均絶対誤差6.5mmを達成する。
  論文  参考訳（メタデータ） (2020-01-19T19:59:58Z)

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。