論文の概要: Fiducial marker recovery and detection from severely truncated data in
navigation assisted spine surgery
- arxiv url: http://arxiv.org/abs/2108.13844v2
- Date: Wed, 1 Sep 2021 13:32:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-05 08:56:01.107186
- Title: Fiducial marker recovery and detection from severely truncated data in
navigation assisted spine surgery
- Title(参考訳): ナビゲーション支援脊椎手術におけるfiducial marker recovery and detection from severe truncated data
- Authors: Fuxin Fan, Bj\"orn Kreher, Holger Keil, Andreas Maier, Yixing Huang
- Abstract要約: ナビゲーション支援ミニマル侵襲脊椎手術(MISS)で一般的に使用されるフィデューシャルマーカー
実際には、これらのマーカーは、C-arm cone-beam Computed Tomography (CBCT) システムの限られた検出器サイズのため、視野の外に位置する可能性がある。
歪みマーカーからの直接検出(ダイレクトメソッド)とマーカー回復後の検出(リカバリ手法)の2つのファデューシャルマーカー検出手法を提案する。
- 参考スコア(独自算出の注目度): 5.731349529280083
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Fiducial markers are commonly used in navigation assisted minimally invasive
spine surgery (MISS) and they help transfer image coordinates into real world
coordinates. In practice, these markers might be located outside the
field-of-view (FOV), due to the limited detector sizes of C-arm cone-beam
computed tomography (CBCT) systems used in intraoperative surgeries. As a
consequence, reconstructed markers in CBCT volumes suffer from artifacts and
have distorted shapes, which sets an obstacle for navigation. In this work, we
propose two fiducial marker detection methods: direct detection from distorted
markers (direct method) and detection after marker recovery (recovery method).
For direct detection from distorted markers in reconstructed volumes, an
efficient automatic marker detection method using two neural networks and a
conventional circle detection algorithm is proposed. For marker recovery, a
task-specific learning strategy is proposed to recover markers from severely
truncated data. Afterwards, a conventional marker detection algorithm is
applied for position detection. The two methods are evaluated on simulated data
and real data, both achieving a marker registration error smaller than 0.2 mm.
Our experiments demonstrate that the direct method is capable of detecting
distorted markers accurately and the recovery method with task-specific
learning has high robustness and generalizability on various data sets. In
addition, the task-specific learning is able to reconstruct other structures of
interest accurately, e.g. ribs for image-guided needle biopsy, from severely
truncated data, which empowers CBCT systems with new potential applications.
- Abstract(参考訳): フィデューシャルマーカーは、ナビゲーション支援の最小侵襲脊椎手術(MISS)で一般的に使われ、画像座標を現実世界の座標に転送するのに役立つ。
実際には、これらのマーカーは、術中手術で使用されるC-arm cone-beam CT(CBCT)システムの限られたサイズのため、視野外(FOV)に位置する可能性がある。
その結果、cbctボリュームで再構成されたマーカーはアーティファクトに苦しめられ、形状が歪んで航法上の障害となっている。
本研究では,歪みマーカーからの直接検出(直接法)とマーカー回収後の検出(再被覆法)の2つのfiducial marker検出法を提案する。
再構成ボリュームにおける歪マーカーの直接検出のために,2つのニューラルネットワークを用いた効率的な自動マーカー検出法と従来の円検出アルゴリズムを提案する。
マーカーリカバリには,高度に歪んだデータからマーカーを回収するタスク固有学習戦略が提案されている。
その後、従来のマーカー検出アルゴリズムを位置検出に適用する。
2つの手法はシミュレーションデータと実データに基づいて評価され、どちらも0.2mm未満のマーカー登録誤差を達成する。
実験により, 直接的手法は歪みマーカーを精度良く検出でき, タスク固有学習によるリカバリ手法は, 各種データセット上で高いロバスト性と一般化性を有することを示した。
さらに、タスク固有の学習は、例えば、他の関心構造を正確に再構築することができる。
画像誘導型針生検用リブは、cbctシステムに新しい潜在的な応用力を与える厳しい切断データから得られる。
関連論文リスト
- FM-OSD: Foundation Model-Enabled One-Shot Detection of Anatomical Landmarks [44.54301473673582]
医用画像のランドマーク検出を高精度に行うための,最初の基礎モデル付きワンショットランドマーク検出(FM-OSD)フレームワークを提案する。
本手法は,単一のテンプレート画像のみを用いることで,最先端のワンショットランドマーク検出法よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-07-07T15:37:02Z) - Deep Learning-Based Detection for Marker Codes over Insertion and
Deletion Channels [5.310666534758956]
マーカコードは挿入や削除からデータを保護するための効果的な符号化方式である。
DNAストレージやレーストラックメモリなど、将来のストレージシステムに潜在的な応用がある。
ディープラーニングに基づくマーカーコードに対する2つのCSI非依存検出アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-01-02T11:13:01Z) - A Locality-based Neural Solver for Optical Motion Capture [37.28597049192196]
ノイズの多いマーカーデータから、マーカーと関節を異なるタイプのノードとして扱う異種グラフニューラルネットワークを提案する。
本手法は,隠蔽マーカー位置誤差の予測精度の観点から,最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-09-01T12:40:17Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳(メタデータ) (2023-08-31T05:05:53Z) - Mitigating the Mutual Error Amplification for Semi-Supervised Object
Detection [92.52505195585925]
擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。
他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
論文 参考訳(メタデータ) (2022-01-26T03:34:57Z) - RECIST-Net: Lesion detection via grouping keypoints on RECIST-based
annotation [37.006151248641125]
病変検出のための新しいアプローチであるRECIST-Netを提案し,RECIST径の4つの極点と中心点を検出する。
実験により、RECIST-Netはイメージ毎に4つの偽陽性で92.49%の感度を達成することが示された。
論文 参考訳(メタデータ) (2021-07-19T09:41:13Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳(メタデータ) (2021-04-07T17:11:27Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳(メタデータ) (2020-11-19T05:42:02Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-13T04:12:59Z) - BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。
我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。
我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文 参考訳(メタデータ) (2020-03-09T08:16:16Z)
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。