論文の概要: Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network
- arxiv url: http://arxiv.org/abs/2111.04733v1
- Date: Mon, 8 Nov 2021 07:57:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-10 15:34:41.034546
- Title: Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network
- Title（参考訳）: 形状認識ネットワークによる内視鏡下粘膜解離のリアルタイム検出
- Authors: Jiacheng Wang, Yueming Jin, Shuntian Cai, Hongzhi Xu, Pheng-Ann Heng,
Jing Qin, Liansheng Wang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 51.44506007844284
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel shape-aware relation network for accurate and real-time
landmark detection in endoscopic submucosal dissection (ESD) surgery. This task
is of great clinical significance but extremely challenging due to bleeding,
lighting reflection, and motion blur in the complicated surgical environment.
Compared with existing solutions, which either neglect geometric relationships
among targeting objects or capture the relationships by using complicated
aggregation schemes, the proposed network is capable of achieving satisfactory
accuracy while maintaining real-time performance by taking full advantage of
the spatial relations among landmarks. We first devise an algorithm to
automatically generate relation keypoint heatmaps, which are able to
intuitively represent the prior knowledge of spatial relations among landmarks
without using any extra manual annotation efforts. We then develop two
complementary regularization schemes to progressively incorporate the prior
knowledge into the training process. While one scheme introduces pixel-level
regularization by multi-task learning, the other integrates global-level
regularization by harnessing a newly designed grouped consistency evaluator,
which adds relation constraints to the proposed network in an adversarial
manner. Both schemes are beneficial to the model in training, and can be
readily unloaded in inference to achieve real-time detection. We establish a
large in-house dataset of ESD surgery for esophageal cancer to validate the
effectiveness of our proposed method. Extensive experimental results
demonstrate that our approach outperforms state-of-the-art methods in terms of
accuracy and efficiency, achieving better detection results faster. Promising
results on two downstream applications further corroborate the great potential
of our method in ESD clinical practice.
- Abstract（参考訳）: 内視鏡下粘膜郭清術(ESD)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新しい形状認識ネットワークを提案する。
この仕事は臨床的に非常に重要であるが、複雑な手術環境における出血、照明反射、動きのぼやけのために極めて困難である。
対象物間の幾何学的関係を無視したり,複雑なアグリゲーションスキームを用いて関係を捉える既存手法と比較して,ランドマーク間の空間的関係を最大限に活用して,実時間性能を維持しながら良好な精度を達成できる。
まず,ランドマーク間の空間的関係の事前知識を直感的に表現できる関係キーポイント・ヒートマップを自動的に生成するアルゴリズムを考案する。
次に,事前知識を段階的に訓練プロセスに組み込むための相補的正則化スキームを2つ開発した。
1つのスキームはマルチタスク学習による画素レベルの正規化を導入し、もう1つのスキームは、新たに設計されたグループ化された一貫性評価器を利用してグローバルレベルの正規化を統合する。
どちらのスキームもトレーニングのモデルには有益であり、推論で簡単にアンロードしてリアルタイム検出を実現することができる。
食道癌に対する大規模なESD手術データセットを構築し,提案法の有効性を検証した。
広範な実験結果から,本手法は精度と効率の面で最先端手法よりも優れており,検出精度が向上した。
ESDクリニカル・プラクティスにおける2つの下流応用の成果は,我々の方法の大きな可能性をさらに裏付けるものである。
関連論文リスト
- AD-Net: Attention-based dilated convolutional residual network with guided decoder for robust skin lesion segmentation [0.0]
本研究では,拡張畳み込み残差ネットワークを用いたロバストなアプローチを提案する。
注意に基づく空間特徴拡張ブロック(ASFEB)を搭載し、ガイド付きデコーダ戦略を採用している。
提案したAD-Netの有効性を,4つの公開ベンチマークデータセットを用いて評価した。
論文 参考訳（メタデータ） (2024-09-09T08:21:17Z) - Augmentation is AUtO-Net: Augmentation-Driven Contrastive Multiview
Learning for Medical Image Segmentation [3.1002416427168304]
この論文は網膜血管セグメンテーションの課題に焦点を当てている。
深層学習に基づく医用画像セグメンテーションアプローチの広範な文献レビューを提供する。
効率的でシンプルな多視点学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-02T06:31:08Z) - PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly
Detection [65.24854366973794]
ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。
本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。
我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
論文 参考訳（メタデータ） (2023-10-18T02:59:57Z) - 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) - Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via
Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。
非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。
本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:58:05Z) - ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。
これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。
種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
論文 参考訳（メタデータ） (2022-09-25T13:05:33Z) - Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark
Detection in Medical Images [15.7026400415269]
本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。
提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
論文 参考訳（メタデータ） (2021-05-19T13:39:18Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - A Coupled Manifold Optimization Framework to Jointly Model the
Functional Connectomics and Behavioral Data Spaces [5.382679710017696]
本稿では,コホートに共通する低次元行列多様体にfMRIデータを投影する結合多様体最適化フレームワークを提案する。
患者固有の負荷は、同時に第2の非線形多様体を介して、興味の行動尺度にマップされる。
自閉症スペクトラム障害58例の安静時fMRIの枠組みを検証した。
論文 参考訳（メタデータ） (2020-07-03T20:12:51Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。