論文の概要: Point detection through multi-instance deep heatmap regression for sutures in endoscopy

• arxiv url: http://arxiv.org/abs/2111.08468v1
• Date: Tue, 16 Nov 2021 13:45:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 13:28:46.767445
• Title: Point detection through multi-instance deep heatmap regression for sutures in endoscopy
• Title（参考訳）: 内視鏡下縫合部のマルチインスタンス深熱マップ回帰による点検出
• Authors: Lalith Sharan, Gabriele Romano, Julian Brand, Halvar Kelm, Matthias Karck, Raffaele De Simone, Sandy Engelhardt
• Abstract要約: 縫合検出タスクを多インスタンス深熱マップ回帰問題として定式化する。 局所的な非最大抑圧として機能するために, 2次元ガウス層と微分可能な2次元空間ソフトアルグマックス層を新たに導入する。 提案モデルは,術中およびシミュレータ領域におけるベースラインの改善を示す。
• 参考スコア（独自算出の注目度）: 0.8937790536664091
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Purpose: Mitral valve repair is a complex minimally invasive surgery of the heart valve. In this context, suture detection from endoscopic images is a highly relevant task that provides quantitative information to analyse suturing patterns, assess prosthetic configurations and produce augmented reality visualisations. Facial or anatomical landmark detection tasks typically contain a fixed number of landmarks, and use regression or fixed heatmap-based approaches to localize the landmarks. However in endoscopy, there are a varying number of sutures in every image, and the sutures may occur at any location in the annulus, as they are not semantically unique. Method: In this work, we formulate the suture detection task as a multi-instance deep heatmap regression problem, to identify entry and exit points of sutures. We extend our previous work, and introduce the novel use of a 2D Gaussian layer followed by a differentiable 2D spatial Soft-Argmax layer to function as a local non-maximum suppression. Results: We present extensive experiments with multiple heatmap distribution functions and two variants of the proposed model. In the intra-operative domain, Variant 1 showed a mean F1 of +0.0422 over the baseline. Similarly, in the simulator domain, Variant 1 showed a mean F1 of +0.0865 over the baseline. Conclusion: The proposed model shows an improvement over the baseline in the intra-operative and the simulator domains. The data is made publicly available within the scope of the MICCAI AdaptOR2021 Challenge https://adaptor2021.github.io/, and the code at https://github.com/Cardio-AI/suture-detection-pytorch/. DOI:10.1007/s11548-021-02523-w. The link to the open access article can be found here: https://link.springer.com/article/10.1007%2Fs11548-021-02523-w
• Abstract（参考訳）: 目的:僧帽弁修復術は心臓弁の低侵襲手術である。 この文脈では、内視鏡画像からの縫合検出は、縫合パターンの分析、補綴構成の評価、拡張現実の可視化のための定量的情報を提供する、非常に関連するタスクである。 顔または解剖学的ランドマーク検出タスクは、通常、一定の数のランドマークを含み、回帰または固定ヒートマップベースのアプローチを使用してランドマークをローカライズする。 しかし内視鏡検査では、各画像には様々な縫合糸があり、縫合糸は意味的に一意ではないため、どの部位でも生じる可能性がある。 方法: 本研究では, 縫合検出タスクをマルチインスタンス深部ヒートマップ回帰問題として定式化し, 縫合の入口と出口を同定する。 我々は,従来の研究を拡張して,局所的な非最大抑圧として機能する2次元ガウス層と,微分可能な2次元空間アルグマックス層を新たに導入する。 結果: 複数の熱マップ分布関数と2種類のモデルを用いた広範囲な実験を行った。 術中ドメインでは,Variant 1はベースライン上の平均F1が0.0422であった。 同様にシミュレータ領域では、変種1はベースライン上で平均+0.0865のf1を示した。 結論: 提案モデルでは, 術中およびシミュレータ領域におけるベースラインの改善が示されている。 データはMICCAI Adaptor2021 Challenge https://adaptor2021.github.io/とhttps://github.com/Cardio-AI/suture-detection-pytorch/で公開されている。 DOI:10.1007/s11548-021-02523-w https://link.springer.com/article/10.1007%2fs11548-021-02523-w

関連論文リスト

• RetinaRegNet: A Zero-Shot Approach for Retinal Image Registration [10.430563602981705]
  RetinaRegNetは、最小のオーバーラップ、大きな変形、さまざまな画質で網膜画像を登録するために設計されたゼロショット登録モデルである。 大規模な変形を処理するための2段階の登録フレームワークを実装した。 私たちのモデルは、すべてのデータセットで常に最先端のメソッドより優れています。
  論文  参考訳（メタデータ） (2024-04-24T17:50:37Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• 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)
• Cross-Dataset Adaptation for Instrument Classification in Cataract Surgery Videos [54.1843419649895]
  特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。 本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。 さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
  論文  参考訳（メタデータ） (2023-07-31T18:14:18Z)
• Adaptation to CT Reconstruction Kernels by Enforcing Cross-domain Feature Maps Consistency [0.06117371161379209]
  本研究は,スムーズで訓練し,鋭い再構築カーネル上で試験したモデルにおいて,新型コロナウイルスのセグメンテーション品質の低下を示すものである。 本稿では,F-Consistency(F-Consistency)と呼ばれる,教師なし適応手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T10:00:03Z)
• Improved Heatmap-based Landmark Detection [9.0766494606964]
  本稿では,内視鏡画像の縫合検出のためのランドマーク検出ネットワークを提案する。 画像中の縫合点の可変数の問題を解く。 本稿では,2708枚の写真と2376枚の実画像を用いて実験を行った。
  論文  参考訳（メタデータ） (2021-10-12T01:41:01Z)
• Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
  臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。 既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。 大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:54:07Z)
• Mutually improved endoscopic image synthesis and landmark detection in unpaired image-to-image translation [0.9322743017642274]
  CycleGANフレームワークは、教師なしデータのイメージ間変換を可能にする。 外科手術シミュレータにおける手術訓練のシナリオでは、この方法でファントムの内視鏡像を、同じ外科的標的構造の術中外観に近い画像に変換することができる。 スパースランドマークラベルに定義されたタスクは、両方のドメインにおけるジェネレータネットワークによる合成の一貫性を向上させる。
  論文  参考訳（メタデータ） (2021-07-14T19:09:50Z)
• Using spatial-temporal ensembles of convolutional neural networks for lumen segmentation in ureteroscopy [11.457020223521605]
  本稿では,畳み込みニューラルネットワーク(CNN)に基づく自動手法を提案する。 提案手法は4つの並列CNNのアンサンブルに基づいて,単一および複数フレーム情報を同時に処理する。
  論文  参考訳（メタデータ） (2021-04-05T16:24:32Z)

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。